没有合适的资源?快使用搜索试试~ 我知道了~
不同于以往的满意度模型中头脑风暴和问卷调研等手段建立指标体系的思路,以大量掩埋和分布在各个网络平台中的评论信息为基础,通过文本挖掘手段分析消费者对笔记本电脑重点关注的角度和内容,确立评价指标体系;基于Formell模型,使用多元回归方法,建立了笔记本电脑满意度模型。该研究过程基于消费者的真实感受,提炼出了消费者对笔记本电脑最为关注的优势属性和缺陷属性,帮助产品制造商全面、准确地了解消费者的需求和心理期望。同时,满意度模型有助于消费者和制造商对笔记本电脑的满意度进行综合测算、比较和选择。
资源推荐
资源详情
资源评论
基于网络论坛文本挖掘的笔记本电脑满意度研究基于网络论坛文本挖掘的笔记本电脑满意度研究
不同于以往的满意度模型中头脑风暴和问卷调研等手段建立指标体系的思路,以大量掩埋和分布在各个网络平
台中的评论信息为基础,通过文本挖掘手段分析消费者对笔记本电脑重点关注的角度和内容,确立评价指标体
系;基于Formell模型,使用多元回归方法,建立了笔记本电脑满意度模型。该研究过程基于消费者的真实感
受,提炼出了消费者对笔记本电脑最为关注的优势属性和缺陷属性,帮助产品制造商全面、准确地了解消费者
的需求和心理期望。同时,满意度模型有助于消费者和制造商对笔记本电脑的满意度进行综合测算、比较和选
择。
摘摘 要要: 不同于以往的
关键词关键词:
0 引言引言
当前,互联网网站为数众多的产品评论以及打分为消费者相互交流提供了平台。这些评价内容丰富,包含以往消费者对该
产品的情感倾向,它们的存在将影响潜在买家所做出的购买决策。
在不受以往头脑风暴和传统调查问卷结构限制的环境下,从自身出发的论坛消费者评价有更强的主动性和真实性,能够全
面深入地反映消费者的真实感受。但数量众多的评论与潜在消费者有限的时间、精力存在矛盾,容易出现一叶障目的问题。这
些信息运用文本挖掘技术进行处理和量化之后能够更清晰地反映出消费者对某产品的满意程度和感情倾向。
本文以笔记本电脑为对象,尝试基于网络论坛文本挖掘的满意度模型建立思路。
1 相关理论和研究相关理论和研究
1.1 产品评论挖掘
产品评论挖掘通过对结果进行分析,用文本挖掘的方法将整理出的结果呈现给用户和商家。短短几年间,无论是在英文还
是在中文领域,产品评论挖掘技术都取得了很大的进步。通过用户随意发表一段产品评论来表达对产品使用之后的看法,商家
和购买者都可以轻易地从这些评论中获取各自所需要的信息。
通常情况下,对产品评论挖掘的目的主要有两点:一是面向该产品的潜在购买者,使他们能够快速、准确、全面、及时地
了解已经购买该产品的消费者的真实体验感受,减少产品信息搜索成本;二是面向产品的制造商,帮助其能够全面、准确地了
解消费者的需求和心理期望,使他们能够有针对性地改进产品并且设计新产品。
1.2 Fomell模型
1989年,美国密歇根大学质量研究中心的Fomell教授总结了理论研究的成果,提出了把顾客期望、购买过程中各种属性
影响等多方面因素组成了一个计量经济学逻辑模型,即Fomell逻辑模型。该模型是迄今为止最成熟和运用最广泛的顾客满意度
指数理论。
1.3 相关研究现状
在国外,2002年是评论挖掘开始兴起的一年,TURNEY P[1]首先提出将语义倾向性应用在非监督的评论分类上,并设计
了一个简单的算法,即将评论分为推荐和不推荐两类;2003年学者DAVE K、LAWRENCE S、PENNOCK D对观点抽取和语
义分类进行了系统研究[2];ABRAHAMS A S等人和樊卫国教授合作在2012年利用评论挖掘进行汽车产品缺陷的发现,并建立
相应的决策支持系统[3],在实践中取得较好效果。
由于中文和英文的差异,中文领域的评论挖掘刚刚起步。2007年,评论挖掘以及句子的语义倾向性判别己经成为很多学
者的研究热点;2011年,郗亚辉、张明等学者[4]将产品评论挖掘划分为4个子任务,介绍了国内外学者对每个子任务的研究成
果,并给出了该领域进一步的研究方向;2012年,出现了一些产品评论挖掘的研究成果,如参考文献[5]、[6]等;2013年,结
合微博的社会性特点构建的微博产品评论挖掘模型[7]出现。
2 领域特征词汇提取领域特征词汇提取
2.1 笔记本电脑领域文本选取
读取来自于互联网的约200篇笔记本领域相关文本,大致为笔记本广告和笔记本新闻,这两类文本多为笔记本电脑公司官
方或者分销商为介绍其产品而对其进行的描述,因此这类文章中有大量属性词汇以及描述性词汇;再者这类文本的长度一般比
较长,适合统计词频,获取笔记本电脑领域特有属性词汇,所以从以上文本中事先做出重点特征词汇的抽取是后面研究的基
础。
2.2 笔记本电脑领域重点特征词汇提取
领域内的特殊属性词汇在评论中出现的频率较高,表达的意思也比较重要,具体词汇获取办法和步骤是:(1)把从互联
网上获取的文本转换整理为文本格式;(2)对每一个文本利用软件ROST Content Mining进行分词处理以及词频统计;(3)
设置一个阈值,将符合条件的词汇提取出来。
经过提取,共有86个高频词汇进入笔记本领域产品属性词汇表,根据字母排序如表1所示。
资源评论
weixin_38731199
- 粉丝: 6
- 资源: 928
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功