共查询到10条相似文献，搜索用时 46 毫秒
1.
电子商务中在线评论有用投票数影响因素研究 总被引：1，自引：0，他引：1
在线评论对消费者购物选择具有重要的影响,但日益增加的海量信息导致了信息过载等问题。因此,判断和识别评论信息的有用性具有重要的研究意义。本文采用文本挖掘和统计分析方法,从评论信息特征和评论者信息两个角度,对在线评论获得有用投票数的影响因素进行了分析,并通过亚马逊商城的用户评论样本,具体研究了各因素的影响作用。研究发现：评论评分对在线评论的有用投票数具有负向影响,而评论信息丰富性和历史评论有用性评价对其具有正向影响。 相似文献
2.
Web2.0时代,阅读在线产品评论已经成为人们购物前的一种习惯。然而,网络上的评论数量巨大且观点不一,消费者很难获取到真正对其有用的评论。本文从研究中文在线产品评论的有用性评估入手,结合中文在线评论的特点,构建了评论有用性评估特征体系。以二分类思想为中心,基于文本挖掘的基本流程,实现对中文产品评论的分类,并考察了评论内容各特征对分类效果的影响。结果表明,本文提出的评估方法能有效识别出有用评论,并且发现浅层句法特征在分类中的贡献度较高,语义特征与情感特征则会因语料类型的不同而有不同的分类贡献度。 相似文献
3.
在线商品虚假评论信息不仅误导消费者购物决策与商家销售评估,而且严重干扰了在线商品交易平台的意见挖掘结果。本文针对国内外对在线商品虚假评论治理的研究现状,从法律监管和鉴别模型两个层面重新定位了其治理目标,指出应根据不同的治理对象,从监管虚假评论形成路径的基本要素、减弱虚假评论形成路径的促进因素、激励正常消费者作出真实有效的评论并优化虚假评论识别模型的鉴别准确率4个方面完善在线商品虚假评论信息的治理途径,并详细阐述了各治理途径的具体实施办法以及今后优化和完善的建议与对策。 相似文献
4.
【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
5.
针对当前竞争情报分析算法无法有效地处理结构类型多样的Web评论信息,研究并设计了基于Web评论挖掘的动态竞争情报分析算法进行语义层面的情报分析,获取深层次的动态竞争情报。该算法主要由评论内容识别与抽取、语义关联挖掘、文本语义极性分析3个部分组成。实验结果表明,该算法能够显著地提高情报分析的准确率和效率,实现深层次的评论挖掘和情报知识发现。 相似文献
6.
国内随着2004年网购的兴起,研究在线商品评论的文章开始逐年增多,本研究尝试利用文献计量学的方法对国内在线商品评论的学术文献进行统计分析,以探寻该领域的研究热点。以CNKI期刊全文数据库为数据来源,以BlueMC和SPSS软件为工具,对国内在线评论文献的关键词,通过词云图聚类和共词分析探索研究热点。提炼出在线评论研究的4个基本分析单元：内容、技术、用户、应用;五大研究热点：口碑传播效应、信息服务与使用、口碑传播心理、信息质量评估和知识挖掘与发现;以及三大研究层面：形态层面、受众层面和效果层面,为把握在线评论的研究现状和相关内容的进一步研究奠定了基础。 相似文献
7.
随着互联网的迅速发展,消费者购物决策越来越依赖于在线评论。从信息接受模型对信息有用性影响出发,构建在线评论有用性投票增量的时间窗,建立在线评论有用性影响因素模型,研究在线评论内容和评论者对在线评论有用性的影响。基于TripAdvisor.com的4 258条酒店评论数据,运用负二项回归进行实证分析。研究发现评论内容长度、评论极端性、评论有用性投票数、评论者认可度和个人信息披露对在线评论有用性具有显著正影响,这对在线零售商和消费者具有重要的启发和建议。 相似文献
8.
[研究目的]通过从评论文本和评论者两个维度对在线评论的特征进行挖掘,探究电商平台如何有效提高虚假评论识别的准确性,增加用户在线商品评论可信度,为消费决策提供参考。[研究方法]提出一种基于多维特征和SMOTE-RF模型的虚假评论识别方法。首先,通过识别商品虚假评论线索,构建多维特征向量,引入情感极性等特征并进行单调化处理;其次,在评分偏离度中添加了商品得分均值等统计指标来全面刻画虚假评论;最后,针对在线评论数据集中真实评论与虚假评论类不平衡问题,运用SMOTE算法优化随机森林分类模型,从而达到提高虚假评论识别准确性的目的。[研究结论]实验结果显示该方法在正负样本不平衡的虚假评论识别中具有更高的准确率、召回率及F1值。其中评分偏离度特征对虚假评论识别的影响最大,情感极性可作为识别的次要参考特征。因此,综合考虑在线评论多维特征和正负样本不平衡可帮助电商平台对虚假评论进行有效的过滤,为消费者提供更为可靠的评论数据。 相似文献
9.
以淘宝为例,通过对43万条评论语料进行分析以及乔装淘宝店主获取的事实数据,从在线商品虚假评论实际解决需要出发,为在线商品虚假评论界定了新的含义,归纳了在线商品虚假评论的影响,最后全面分析了由在线评论者、在线销售商家、在线商品交易平台、虚假评论中介四大主体所组成体系中在线商品虚假评论的六大形成路径、形成动因及特点.本文对下一步的在线商品虚假评论识别技术等相关研究有极强的理论和实践指导意义. 相似文献
10.
在线商品评论对产品销量影响研究 总被引：3，自引：0，他引：3
作为一种新型的口碑传播方式,在线产品评论成为了消费者和商家了解产品质量和服务的最为重要的信息来源。在线产品评论哪些因素影响到消费者的购买决策,对产品的销量产生多大的影响已经成为人们关注的重要问题。通过对在线手机评论研究发现,"在线评论数量"、"商品的关注度"对在线手机销量有显著性影响,更为重要的是我们发现"评论的时效性"和"顾客认为评论的有用率"对手机的销量也有非常重要的显著性影响,而"评论的正负情感倾向性"等对产品的销量无明显影响。 相似文献