基于影评数据的在线评论有用性影响因素研究

面对互联网上海量的在线客户评论,如何能快速有效地进行识别和选择从而发现和利用其中有用的评论,已经成为人们关注的重要问题.以体验型商品电影的在线评论为研究对象,结合文本挖掘技术和实证研究方法,从文本特征出发探索影响在线评论有用性的因素,建立在线评论有用性影响因素模型,并利用该模型对评论有用性进行分类预测.与现有相关研究相比,提出的模型总体拟合效果显著提高,并发现在线影评中积极的情感倾向、较高的正负情感混杂度、较高的主客观表达混杂度以及较长的平均各句长度,对评论的有用性具有显著的正面影响.最后预测结果表明,该模型对在线影评的有用性具有较强的判别能力.     

基于多任务委托代理的业主与承包商激励模型

在线评论是近几年学者们非常关注的问题，已有研究多是针对消费者在收到产品之后第一次进行的评论，随着网络购物机制的完善，各大网上购物平台为消费者提供追加评论的机会，即在使用产品一段时间后再次进行评论。 将在线评论分为在线初次评论和在线追加评论，基于不同产品类型(搜索型产品和体验型产品)和产品价格，探讨评论数量、评论长度、评论时间间隔和评论情感强度之间的差异。从在线零售网站天猫商城上获取真实的在线评论作为实验数据，采用回归分析、多因素方差分析、独立样本t检验、配对样本t检验等方法，利用SPSS 20进行数据分析。 研究结果表明，①评论数量受到评论类型和产品价格的影响，评论类型对评论数量的影响最大，初次评论数量明显多于追加评论数量，产品价格对评论数量有负向影响，而产品类型对评论数量无显著影响；②体验型产品的评论长度和评论时间间隔均大于搜索型产品，产品价格正向影响评论长度和评论时间间隔；③初次评论和追加评论的情感强度差异受情感倾向的影响，如果初次评论和追加评论的情感倾向均为负向，则追加评论的情感强度大于初次评论的情感强度；如果初次评论和追加评论的情感倾向均为正向，则追加评论的情感强度小于初次评论的情感强度。 研究结果表明初次评论和追加评论在一些基本特征方面存在差异，一方面是对已有在线追加评论研究的补充，为后续比较研究初次评论和追加评论对消费者影响提供理论基础；另一方面，企业可针对不同类型和不同价格的产品采取不同措施，使评论长度、时间间隔和情感强度保持在优良水平，充分利用在线评论对消费者购买决策的影响。     

面向竞争力的特征比较网络:情感分析方法

比较观点广泛存在于在线评论之中,这些比较观点是用户表达情感的常用方式,也是产品竞争力的重要表现.依据在线评论的文本信息,结合文本挖掘和情感分析技术,提取在线评论中特征级的“比较观点对”.利用特征比较观点,分别构建产品特征的单边有向、双边有向以及多边有向比较网络,并根据情感强度确定网络边的权重.借助成熟的网络分析算法(PageRank和HITS),对特征比较网络进行计算.产品特征比较网络能够识别产品的竞争优势,也能分析用户对每个特征的关注度,并量化评价得分.实验发现,特征比较网络与销售排名显著相关,因而有助于销量的预测.     

融合特征情感和产品参数的客户感知偏好模型

在线评论作为一种公开、可获取的信息资源，蕴含了关于产品质量的各种有价值的信息，对这些信息的分析与挖掘有助于企业了解客户的需求和偏好。目前，基于在线评论的客户偏好模型考虑了特征观点和评论数量，忽视了产品参数对消费者购买决策的影响。因此，本文提出了一种融合特征情感和产品参数的客户感知偏好模型。首先，利用在线评论提取客户讨论的产品特征，并识别产品特征的情感极性，从而进一步计算特征正负面情感得分，生成产品的特征情感。然后，结合企业定义的产品参数，构建特征情感和产品参数融合作用对产品销量影响的计量经济模型，分析客户对产品的感知偏好。最后，为验证模型的有效性，获取了汽车之家网站的39款汽车产品（SUV车型）的评论文本，并持续8个月的销量跟踪。研究结果显示本文提出的模型比信息增益和TF-IDF方法能够更加准确地获取客户的感知偏好。此外，研究结果解释了特征情感和产品参数与产品销量的关联关系，为企业的市场营销和产品设计决策提供了理论基础。     

基于在线评论的区域需求偏好识别方法

用户需求存在着区域差异，识别区域需求偏好是企业区域化经营策略的决策基础。为此，本文提出了一种基于在线评论的区域需求偏好识别框架。首先，从在线评论中提取产品特征，并判定产品特征的情感极性；然后，基于特征情感计算客户的产品满意度；最后，利用假设检验的方法识别特征情感极性和产品满意度的区域差异。为了验证框架的有效性，本文利用汽车之家网站上的汽车产品评论数据进行分析。实验结果表明，油耗、空间、外观和内饰等特征的情感极性以及产品满意度受区域因素的影响十分显著。研究结果建立起产品特征情感极性和产品满意度与区域特征的关联联系，为企业的区域化产品设计与营销策略提供理论支撑。     

面向竞争力的特征比较网络: 情感分析方法

比较观点广泛存在于在线评论之中,这些比较观点是用户表达情感的常用方式, 也是产品竞争力的重要表现。依据在线评论的文本信息,结合文本挖掘和情感分析技术,提取在线评论中特征级的“比较观点对”。利用特征比较观点,分别构建产品特征的单边有向、双边有向以及多边有向比较网络, 并根据情感强度确定网络边的权重。借助成熟的网络分析算法(PageRank和HITS),对特征比较网络进行计算。产品特征比较网络能够识别产品的竞争优势, 也能分析用户对每个特征的关注度,并量化评价得分。实验发现,特征比较网络与销售排名显著相关,因而有助于销量的预测。     

在线商品评论信息内容影响因素的实证研究

在线商品评论作为在线口碑的一种重要形式,是电子商务交易活动中的一类关键信息资源。研究和识别影响评论信息内容的因素,对于消费者做出正确有效的购买决策和促进电子商务平台完善自身建设等具有重要作用。该文从用户、商家/平台、在线商品这三个层面出发,采用问卷调查和统计分析法,对评论用户群体进行在线商品评论信息内容影响因素实证分析。研究发现:用户的情感分享、专业程度、与商家/平台的关系强度正向影响在线商品评论信息内容;商家/平台的态度负向影响在线商品评论信息内容。     

基于知识采纳模型和多层感知机神经网络的评论有用性识别研究

移动互联网、社交媒体平台及电子商务的迅速发展，产生了大量的用户评论，其商业价值凸显，如何有效识别用户评论的有用性成为重要研究主题。本文提出基于知识采纳模型(Knowledge Adoption Model，KAM)理论和多层感知机(Multilayer Perceptron, MLP)神经网络的分类算法对评论文本进行有用性识别。该算法根据知识采纳模型理论从评论质量和评论来源可信度两方面进行评论有用性识别的特征提取：利用先验领域知识词典构造领域词占比、停用词占比等评论质量方面的特征,有效解决了特定领域评论存在的领域知识壁垒问题；根据评论作者的粉丝数、作者获赞数等信息构建评论来源可信度方面的特征。为了验证本文所提方法的识别效果，本文采用知乎论坛中医相关评论数据进行实验；实验结果表明，本文提出的方法能有效提高在线评论有用性的分类效果，提高了可解释性。     

在线商品评论的效用分析研究

大多数电子商务网站为消费者提供相互交流的平台来发表其针对某件商品的评论.但是,随着在线商品评论的数量不断增加,潜在消费者越来越难从中发现有助于制定购买决策的信息.因此,如何从众多的评论中识别有用的评论,分析在线评论的效用成为关注的热点.本文对在线商品评论效用分析的最新研究进行评述,认为该领域的研究需要充分关注消费者的购买决策过程,进而设计新的数据挖掘方法更好地辅助消费者的购买决策,同时为电子商务网站的运营商调整营销沟通策略提供决策支持.     

在线评论情感分析中固定搭配特征提取方法研究

有效和稳定的特征提取和特征表示是提高在线评论情感分析性能的重要因素.在常规的连续词袋性、触及对等特征的基础上,本文研究在线评论中固定搭配特征的提取与表示方法,提出结合互信息和平均互信息、基于粗糙集两种策略用于固定搭配特征提取,并从特征抽取方法的有效性和稳定性分析出发考查所抽取的固定搭配其内部及外部稳定性,并将经筛选的固定搭配特征融合于多种情感分析模型中进行情感分析.真实酒店评论数据上的实验表明,固定搭配特征的恰当表示和筛选有效改善情感分析模型的分类精度,此外研究发现评论中情感特征词分布不均衡情况下采用可变精度粗规则的提取策略有助于提高情感分析的分类精度.