共查询到20条相似文献，搜索用时 62 毫秒
1.
【目的/意义】通过挖掘电子商务平台冗杂的在线评论信息,对在线评论进行效用过滤,将质量高、有用性强
的评论呈献给消费者。【方法/过程】从Spearman相关性分析影响在线评论效用高相关因素入手,构建基于模糊神经
网络（FNN）的在线商品评论效用模型,提出一种在线评论效用分类方法。【结果/结论】通过对亚马逊电子商务平台
手机评论的实例验证,证明本文模型方法能够对在线商品评论效用进行有效区分,提出的在线商品评论分类过滤模
型具有较高的准确度和有效性。 相似文献
2.
【目的/意义】分析和识别在线评论效用是电子口碑研究的热点问题,其有助于消费者进行购买决策和辅 助商家优化在线评论平台管理。【方法/过程】基于信息交流模式和交流障碍理论,运用DEA模型,对在线评论信息 传递的效率、有效性、规模收益变化及其投影进行评价和分析。【结果/结论】在线评论信息传递综合效率偏低,不同 手机类型在线评论信息传递差异较小。纯技术效率是导致在线评论信息传递综合效率偏低的主要因素;规模报酬 变化呈现递增趋势,符合在线评论发展趋势。最后通过投影分析提出在线评论信息传递效率的改进幅度和方案. 相似文献
3.
【目的/意义】面向用户信息需求为移动商务平台设计个性化的在线评论效用评价方法,满足用户对商品在
线评论的个性化需求,辅助用户进行消费决策。【方法/过程】首先分析利用GA-BP神经网络设计个性化移动商务
用户在线评论效用评价方法的可行性和意义,然后结合移动商务用户在线评论的特点,从评论内容、评论者、评论
阅读者、评论时效性4 个维度,选取10 个影响评论效用的指标,基于GA-BP神经网络设计了效用评价方法。最后
采集美团APP美食版块数据,通过与标准BP神经网络实验结果对比分析验证该方法的有效性和实用性。【结果/结
论】基于GA-BP神经网络的移动商务用户在线评论效用评价方法具有较好的可行性和实用性,运用GA-BP神经
网络稳定性高,能够提升效用评价的精度和效率。 相似文献
4.
【目的/意义】在线评论在消费者购买决策中的重要性日益凸显,探索电商平台消费者绿色产品在线评论信息采纳的影响因素,为进一步挖掘在线评论的商业价值、促进绿色产品的消费提供参考。【方法/过程】以TAM和ELM为理论基础,结合社会环境因素和消费者个体特质因素,构建电商平台消费者绿色产品在线评论信息采纳意愿的影响因素模型,运用结构方程模型进行实证检验。【结果/结论】结果表明评论质量和社会影响均对感知评论有用性产生正向影响,评论源可信度与感知评论有用性的关系不显著,感知评论有用性和社会影响又对评论采纳意愿产生正向影响,产品卷入度会调节消费者评论有用性的感知,而专业知识未能起到调节作用。 相似文献
5.
【目的/意义】从在线负面评论信息的特征性因素出发,研究其对潜在消费者购买意愿的影响作用,并探究
消费者动机性对各个因素的影响路径关系是否具有调节效应。【方法/过程】根据精细处理可能性模型（ELM）,依据
潜在消费者涉入度高低分别从外围情境感知路径和核心认知加工路径构建理论研究模型并通过实证方法进行验
证。【结果/结论】研究结果表明,负面评论信息的负面情感倾向,评论时效性,感知风险对潜在消费者购买意愿均有
显著影响作用,其中负面情感倾向效应最大。而消费者动机性只对感知风险和购买意愿间关系调节效应显著,说
明潜在消费者动机性越强,对负面评论信息的感知风险越敏感。 相似文献
6.
【目的/意义】消费者评论数量巨大且充满随意性,因此需要对评论信息进行分析,信息分析可以给潜在消
费者提供有价值参考,可以给商家提供消费者对产品的反馈意见,也可以给平台改善服务提供参考,从而实现消费
者、商家和平台的共赢。【方法/过程】以从京东商城爬取的部分产品评论文本为研究对象,使用词频、词云分析的方
法对评论中的产品特征进行抽取,分析消费者对产品属性的偏好,通过情感倾向计算方法,对五种不同类别的产品
评论进行情感倾向分析,并研究消费者对产品属性的偏好和情感倾向间的关系。【结果/结论】研究结果表明,对于
不同类型的产品,消费者有不同的属性偏好,且关注的产品特征数量也不同。在此基础上,分别对商家、电商平台
和消费者提出了有针对性的建议。【创新/局限】使用评论挖掘的方法,从消费者、商家和平台三个视角进行研究,提
出应对方法。但对数据的处理仍然不够精确,有待进一步研究。 相似文献
7.
【目的/意义】随着网络购物的普及,在线评论成为影响消费者、销售者和生产者决策的重要数据。大数据
时代,在线评论呈现出多源异构、爆发式增长的特点,难以为用户的购买决策和商家竞争提供有力的情报支撑。【方
法/过程】本文利用多源异构的在线评论数据构建知识图谱,提出了一种基于多源异构数据构建知识图谱的框架,
模式层构建围绕在线评论的信源、内容以及形式构建,最终形成知识图谱的概念框架,并运用word2vec从多源异构
文本中获取实体、关系和属性,并进行数据融合与知识图谱分析。【结果/结论】实验部分以手机商品在线评论为例,
验证了本文所构建的知识图谱对在线评论相关研究及挖掘的有效性,研究结果揭示了多源异构在线评论数据的特
点,为大数据环境下在线评论信息组织、展示和挖掘提供了新的研究视角。【创新/局限】运用知识图谱对在线评论
进行描述,有效解决信息过载、多源异构信息融合等问题。本文采用半自动化的方式构建知识图谱,未来考虑引入
无监督的方法提高构建效率。 相似文献
8.
【目的/意义】本研究基于个体认知加工的视角,探索消费者对在线评论有用性的感知过程和感知结果,并揭示在线评论影响消费者购买决策的过程机制。【方法/过程】本研究以120名大学生为被试,开展2评论类型(客观VS主观)×2认知需求(高VS低)的眼动实验,探索消费者对于在线评论有用性的感知过程和感知结果。【结果/结论】结果表明:(1)与主观体验评论相比,消费者对客观属性评论的注视时间更长,感知有用性更大,购买意愿也更强;(2)与高认知需求者相比,低认知需求者的注视时间较短,感知有用性较大,购买意愿也较大;(3)认知需求显著调节评论类型对注视时间的影响,但对感知有用性和购买意愿的调节效应不显著。据此,建议相关企业采取个性化匹配的措施,使得评论类型能够切合消费者的认知需求水平,以便提高在线评论的感知有用性和消费者的购买意愿,从而做出更为满意的购物决策。 相似文献
9.
【目的/意义】负面在线评论已成为商家重要的经营决策信息,对了解客户消费满意度、改善产品和服务质量
具有重要意义。【方法/过程】该文将情感分析和关键词抽取相结合,提出一种基于BiGRU-CNN 和 TextRank的在
线评论负面关键词抽取方法,即首先对在线评论文本数据进行清洗,然后构建 BiGRU- CNN 情感分类模型对在
线评论进行情感分析,最后采取TextRank 方法抽取情感分析得到的负面评论中的关键词。利用这种方法,对十个
产品与服务类别的6万余条消费者在线评论文本数据进行实证分析。【结果/结论】实验结果表明,该方法能准确判
别客户负面在线评论情感倾向,F1值达92.41%,并且负面在线评论关键词抽取结果能较好帮助商家完善产品质量
和服务。【创新/局限】提出一种结合双向GRU 和CNN 结合的情感分类模型,在此基础上基于TextRank 方法抽取
情感分析得到的负面评论中的关键词,进一步提升模型对于在线评论情感分析的准确性。 相似文献
10.
[目的/意义]本研究旨在从信息觅食理论出发,分析点评类软件消费者在线评论搜索行为的内在机理。[方法/过程]以信息觅食理论为基础,围绕信息线索、斑块模型和菜单模型构建了消费者在线评论搜索行为模型。采用问卷调查法收集352份有效样本数据,并利用结构方程模型对理论模型进行分析与检验。[结果/结论]评论内容质量、评论丰富性、评论效价以及评论者资信度4类信息线索均会正向显著影响消费者斑块收益感知,进而正向影响消费者在线评论搜索行为。此外,评论效价也会直接正向显著影响消费者在线评论搜索行为。本研究在理论层面深入揭示了消费者在线评论搜索行为的内在机理,延伸了信息觅食理论的研究情境与边界;在实践层面为点评类软件的功能优化及引导消费者有效搜索在线评论提供了相关建议。 相似文献
11.
为了理解在线评论对消费者购买行为的影响,文章采集淘宝网400多家店铺的在线评论信息,基于S-O-R模型(Stimulus-Organism-Response Model),从消费者学习的角度,研究体验型商品的在线评论信息对消费者购买行为的影响。采用SPSS 19.0软件进行数据分析,对假设进行实证研究,统计结果表明,好评数量、描述评分、有图片评论数量、追加评论数量和累计评论数量对消费者购买行为造成影响,中评数量、差评数量、物流评分和服务评分影响效果不显著。文章最后提出了建议与不足。 相似文献
12.
13.
【目的/意义】目前,越来越多的消费者参与在线评论进行信息交互和需求表达。从丰富的在线产品评论中
识别并分析用户需求有助于企业有针对性地提升产品及服务质量,从而推动企业可持续发展。【方法/过程】本文利
用LDA模型对在线手机评论进行评论主题及产品特征挖掘,有效识别用户需求要素。基于Kano模型设置用户需
求调查问卷,结合用户满意指数分析各项需求对用户满意度的影响,确定各类用户需求重要度和供给优先级顺
序。【结果/结论】本文将24项用户需求要素划分为6项高魅力型需求、8项低魅力型需求、3项高期望型需求、3项高
必备型需求、2项低必备型需求、2项无差异型需求,进一步提出企业产品管理的优化策略。【创新/局限】本文利用文
本挖掘方法对真实的在线评论进行用户需求分析,有效克服传统用户需求调查方法中存在的需求来源滞后及可靠
性不足等问题。此外,本文所选产品的品牌相同,后续研究可向多平台及多品牌的产品需求分析进行改进和深化。 相似文献
14.
【目的/意义】在线健康社区用户规模庞大,信息量浩如烟海,如何帮助社区管理者和用户判别有用信息,提
高决策效率是亟待解决的问题。【方法/过程】在复杂网络视角下,提出一个新的评论有用性分析框架。首先,采集
在线健康社区患者评论数据,采用文本分析法分析有用评论、非有用评论以及所有评论的主题分布和情感分布,初
步分析各类评论文本的有用性特征;其次,将各类评论文本分别转换为文本关联网络,使用社会网络分析方法进一
步分析其有用性特征;最后,分析评论有用性及其特征与患者发表评论、用户对评论的有用性投票以及文本关联网
络结构特征的关联性,实现基于文本关联网络的评论有用性分析。【结果/结论】有用评论和非有用评论文本关联网
络结构具有一定差异,在线健康社区用户就诊前后的信息需求和经验输出的重点有所不同。【创新/局限】基于复杂
网络视角研究在线健康社区评论有用性,但仅使用了好大夫在线的数据,未来可对更多数量和种类的在线健康社
区信息内容有用性进行研究。 相似文献
15.
【目的/意义】从用户对不同品牌声誉的感知角度,研究评论支持率、评论时效性、评论长度、图片数量、情感
强度和产品属性特征词对在线评论有用性的影响。【方法/过程】构建多元线性回归理论模型,通过亚马逊电子商务
平台不同品牌声誉感知的手机评论数据进行验证。【结果/结论】研究结果表明,不考虑品牌声誉差异而进行在线评
论的有用性研究具有一定的局限性,商品评论有用性研究需考虑不同品牌声誉感知影响的差异性。 相似文献
16.
【目的/意义】以用户的情感依恋为视角,探究情感驱动下用户生成在线评论信息的内容特征与行为规律,
为有效识别用户生成高质量在线评论,积极引导用户生成意愿以及优化社区评论质量管理提供理论依据与参考借
鉴。【方法/过程】在梳理已有研究基础上识别用户生成在线评论信息质量特征,深入分析用户情感依恋与高质量在
线评论信息的内在关联。结合依恋理论系统分析情感依恋驱动下用户生成在线评论信息的内容特征,并在此基础
上探索用户在线评论信息的生成路径。【结果/结论】情感依恋是用户生成高质量评论重要的动力来源、内容来源与
情感来源。情感依恋驱动下用户生成高质量在线评论信息具有三个“集合特征”。用户在情感依恋的驱动下存在
一条由“情感唤醒形成总体观点”到“心理情境确立评论主题”再到“情感语义表达引导评论内容”的评论信息生成
路径。 相似文献
17.
【目的/意义】准确挖掘消费者在线评论情感倾向,对于改善商家服务具有重要意义,而情感倾向预测的准
确性仍需提高。【方法/过程】文中设计基于集成学习的在线评论情感分类算法,即以N-gram算法分析在线评论词
语特征,结合情感词典构造文本特征,利用逻辑回归、Light GBM等机器学习方法为基础的集成学习进行训练,实现
在线评论情感分类。【结果/结论】实现了评论的情感倾向预测,在电脑评论数据集,较之于经典的SVM算法和无监
督类算法,该模型的分类衡量指标F1值分别提高了10%到30%不等。同时,在酒店、图书等不同领域的数据集上显
示,该方法的分类准确性仍具有上述效果,证明了该方法具有领域移植性。 相似文献
18.
[目的/意义]目前各大电子商务网站产生了海量的评论信息，对于消费者而言，查阅和分析这些信息将面临巨大的挑战。因此，有必要对评论的有用性进行综合评价，为消费者过滤出真正有价值的内容。[方法/过程]为此，本文提出并研究了一种在线消费者评论的有用性评价模型，为消费者的网购决策提供支持。该模型主要基于分类算法，识别在线消费者评论的有用性，并按其概率值大小进行排序。根据在线消费者评论的特点，提取了一系列分类特征用于其有用性评价，然后利用支持向量机对评论进行分类并从中识别有用的记录。利用来自B2C电子商务网站的3个在线消费者评论数据集（手机、女鞋、糖果巧克力）对提出的模型进行实证分析。[结果/结论]研究结果显示，该模型能够量化地评价在线消费者评论的有用性并对其进行有效的分类排序。该模型主要依赖语义特征进行排序，而对非语义特征的依赖较少。通过选择合适的概率阈值，能够缩小验证空间，并显著提升分类精确度。 相似文献
19.
【目的/意义】对在线评论知识交流效率进行评价,有利于推动用户知识交流和实现在线评论社区优化发 展。【方法/过程】本文基于知识转移的相关理论,运用DEA模型测量在线评论的知识转移效率,并对其有效性、规模 收益和投影效果进行分析。【结果/结论】研究结果表明：在线评论知识转移综合效率表现一般,规模效率是影响在 线评论知识转移效率的主要原因。不同手机类型的规模收益均呈现递增趋势,说明强化在线评论知识密度和缩小 在线评论知识距离与降低在线评论知识粘度有助于在线评论知识转移效率和有用性的提高。投影分析表明知识 距离、评论赞同数和问答数需要大幅度进行优化调整。 相似文献
20.
【目的/意义】从众多质量良莠不齐的在线评论中,将质量高、有用性强的评论呈现给消费者。【方法/过程】 为了比较好评、中评和差评的属性,本研究以京东商城的爬虫数据为研究对象,使用R3.4.3软件,根据不同产品类 型的评论,从评论长度、有用性投票和评论回复数三个维度比较好评、中评和差评。【结果/结论】产品类型和情感倾 向会显著影响评论长度,好评和差评的评论长度要多于中评;产品类型和评论长度对有用性投票和评论回复数都 存在显著的影响,情感倾向对有用性投票和评论回复数不存在显著影响。 相似文献