用户评论

摘要： 目前,以微博为主导的网络媒体平台已经成为民众信息交流的主要渠道。分析微博相关评论文本,有利于为医疗服务管理提供帮助。研究基于新浪微博,挖掘网民对医疗服务体验的评价内容,进行意见挖掘、情感分析等实证研究,把握和理解网民就诊体验关注点演变情况,为医疗机构改进就医流程、改善就医体验提供参考。

摘要： 推荐技术能够根据用户的历史行为等客观数据推测用户的偏好,为电商营销和运维提供决策依据和指导。为了提高特定电子商务领域推荐的准确度,从不同角度研究分析了用户评论体验,加强对用户语言模式的本体研究,有效区分主题和非主题产品特征,并给出用户体验的符号描述。提出了一种面向推荐系统的用户体验提取算法,将用户体验特征词、副词、修饰语构建的短语作为具有推荐解释功能的标签,弥补了传统的标签推荐方法需要依赖标签数据源的问题。同时提出用户体验概念,给出提取算法流程,设计了针对评论内容的协同滤波算法,可以提取用户体验情感极性用于用户评分,结合情感极性与体验特征还可以应用于基于张量的推荐系统。实验结果表明,提取的用户体验同时具有准确性和多样性,并且能够保证较高的准确率与查全率。

摘要： 通过利用大数据爬虫技术在电商网店中爬取某个商品的好评或差评大数据后,预处理爬取的评论使非结构化的数据去掉重复数据和无效数据,对处理后的数据进行分词、词性标注,去标点符号、去停用词处理,把非结构化数据转变为结构化数据,对评论数据采用算法构建模型并分析。采用基于决策树情感分析、情感词库分析、LDA模型的主题分析,综合3种方法对评论数据进行处理,得到一份最终的情感分析,从而得到消费者偏好的产品方向,以便商家能够获取进一步提升的方法。

摘要： 目的 从技术赋能角度来看,短视频平台将为太极拳的大众传播提供全新的途径和引擎动力,从而实现太极拳技术和文化跨时间、空间的教学和传播。方法 运用网络田野考察法,从抖音短视频平台、快手短视频平台、哔哩哔哩视频平台搜集用户对太极拳的有效评论共10 221条。基于扎根理论对质性材料进行分析,从原始评论中凝练出72个初始语句,抽象出24个概念范畴,总结出5个核心概念,构建出太极拳短视频传播影响因素的“5C”模型。结果与结论 传播者、传播内容、传播媒介、阻传、受传者是影响太极拳网络短视频传播的主要因素。促进其良性传播可以从线下培养高质量太极拳网络短视频传播人才、合理创编适合短视频传播的太极拳内容、加强监管净化短视频传播环境、精准推送提高转化效率和加强“资本”监控、减少商业炒作等方面加以干预。

摘要： [目的/意义]短视频作为非物质文化遗产传播最具影响力的新媒体平台,对其用户非遗信息需求特征、参与因素以及各因素对用户参与行为作用关系进行探索,有助于提升短视频情境下非遗文化用户参与体验,并推动短视频平台中非遗文化垂直内容的良好发展。[方法/过程]本研究选取“黄梅戏”非遗短视频为例,以用户热门评论内容及用户统计学特征信息作为数据基础,基于信息生态学理论和卷入度文献,利用扎根理论提取“信息人、信息、信息环境和信息技术”4个信息生态因子维度作为影响因素,感知卷入及认知卷入作为用户机体中介变量,线上行为和线上迁移线下行为作为结果变量,人口统计学特征中如地域、年龄等作为调节变量,挖掘了用户信息需求特征,共同构建了非遗短视频用户参与行为模型。[结果/结论]结果发现,本研究范畴逻辑与S-O-R理论框架具有一致性,各因素及作用关系有效拓展了S-O-R框架;其次,卷入度受信息人、信息维度影响最大,用户的非遗信息需求特征聚焦在“信息人—唱功实力”“信息—内容剧情”“信息环境—距离拟近”及“信息技术—社交互动”方面;且情感和认知卷入度对用户参与行为均产生积极影响,其中参与行为对情感卷入存在较大依赖;此外,非遗文化短视频呈现出特有的“虚—实”类情境应用属性,反应R维度的探究需突破影响因素均来自线上,实际线下因素,如线下打卡,同样具有效用影响。

摘要： 将视角聚焦于网易云音乐,探索音乐社交平台用户的自我呈现。在网易云音乐平台,用户评论除了对歌曲和歌手的评析之外,出现了大量描述经历、表达情感、分享日常等具有隐私性、类似“独白”式的评论。文章通过文本挖掘和半结构化访谈的方法,分析用户评论的自我呈现文本的特点,探究背后的心理动因、对个体的意义并对其分析归纳。

摘要： 依据使用与满足理论,通过对主流媒体视频用户的评论内容进行爬取分类、数据统计以及对用户进行深度访谈、文本编码得出,用户评论行为具有认知需求、情感需求、社交需求、价值需求四大驱动力特征,并受视频内容质量、用户自身性格、储备知识、舆论环境因素影响,为主流媒体视频寻找未来发展方向提供基础和依据。

摘要： 移动应用程序中的用户评论是获取用户需求的重要来源.从用户评论中获取的用户需求,不仅可以帮助开发人员维护现有系统,还可以快速、准确地定位新的用户需求.本文主要关注移动应用用户评论中的非功能需求,并基于系统模型、采用机器学习和深度学习算法将其自动分类为行为型需求和表示型需求.在使用机器学习方法分类时,将2种特征提取技术与5种机器学习算法进行组合.在使用深度学习方法分类时,使用了2种基于词嵌入的深度学习算法和1种基于字符嵌入的深度学习算法.从性能和时间消耗2个维度比较了机器学习模型和深度学习模型,结果表明,机器学习模型比深度学习模型表现更好.此外,支持向量机(Support Vector Machine,SVM)与词频-逆文档频率(Term Frequency⁃Inverse Document Frequency,TF⁃IDF)组合获得了最好的分类性能,精确率为0.941,召回率为0.990,F1-score为0.965.

摘要： 美食旅游作为一种新兴旅游形式,以探索品尝当地美食为旅游的一项重要目的。目前,从对比视角探讨美食旅游的研究尚少。论文采用内容分析法对中美两大旅游网站美食版块的用户评论进行对比分析,从美食文化、美食品质、内部环境、外部环境4大维度对中美游客关于北京美食旅游评价的异同进行对比,阐释潜在文化差异。研究发现,味道、服务、品牌3个因素均被中美游客高频论及,有关服务和价格的负面评价最多。针对北京风味美食,中国游客对“人气”“装潢”的关注度显著高于美国游客;针对其他风味美食,美国游客对“氛围”“选址特色”的重视程度显著高于中国游客。结果表明,北京美食旅游业在品牌文化内涵、食物性价比、服务质量方面仍有改善空间。文章最后依据调研结果提出相应启示和建议。

摘要： 随着智能终端的广泛应用、APP软件的迅速发展,各类APP软件用户评论呈爆发式增长。通过APP软件用户评论分析获取软件整体或部分的评价,有助于用户了解APP软件并为开发人员改进软件提供支持,然而目前大多数研究并未基于评价对象间的关系分析评价对象和评价观点的匹配。文中提出一种基于句法和语义匹配评价对象和评价观点的方法。首先,应用依存句法和词性规则抽取评价对象及评价观点,并对评价对象进行补全;其次,针对一条评论中出现多个评价对象的情况,提出采用句法和语义相结合的方法识别评价对象之间的关系;最后,基于评价对象之间的关系,应用最近邻窗口得出匹配的评价对象和评价观点。实验结果表明,识别APP软件用户评论中评价对象之间的关系能够有效获取匹配的评价对象和评价观点,提高匹配准确率。

摘要： 电子商务网站允许用户对商品发表评论，用户评论通常含有用户对商品的主观性体验，常被潜在顾客作为比较不同商品并作出购买选择的参考，也可被生产厂商作为市场反馈调查的数据来源．然而，由于电子商务的发展，热门商品常常拥有成百甚至上千条用户评论，这使得阅读所有评论十分耗时． 提出了一种基于特征的用户评论自动摘要方法，能够自动生成简洁、全面的摘要．首先自动从评论中识别用户评价的商品特征，根据特征对评论句分类，然后使用句子抽取的方法生成摘要．实验证明该特征识别和特征过滤算法的查准率平均可达81％，查全率为52％。相较于Hu和Liu使用的频繁项集挖掘算法，查全率降低了6％，而查准率提高了24％，F1值提高为6％．算法更加注重特征识别的查准率，总体的摘要效果比较好．

摘要： 竞争者识别与分析对商家进行产品设计、竞争策略的制定具有重要意义.本文研究如何通过用户评论信息推测消费者的偏好,并继而发现给定产品的竞争者.为此,首先提出了消费者偏好的分布的推测模型,利用用户评论和部分产品参数值推测得到消费者偏好的累积分布函数和概率密度函数,并在此基础上结合产品的目标定位理论对基于消费者覆盖的竞争者挖掘模型提出了两点改进.对于提出的模型基于大型电子商务网站上的产品评论信息以及用户调研进行了广泛的实验,结果表明改进后的竞争者识别模型更加准确。

摘要： 通过构建移动O2O用户在线评论有用性影响因素的概念模型,为移动O2O模式下在线评论有用性排序提供依据.文章运用双路径模型,结合移动O2O用户的特点,加入在线评论质量、在线评论可信度、图片数量、评论阅读者特征、从众心理指标,构建了移动商务环境下O2O用户在线评论有用性影响因素的概念模型,并做出相关假设,通过调查问卷的方法收集数据,再利用偏最小二乘结构方程(PLS-SEM)进行模型的检验和分析.研究表明:产品属性特征词、情感特征词、图片能提高在结评论质量;在线评论的质量正向影响在结评论可信度,而有用性投票、评论者权威对在线评论可信度没有显著影响;认知反应在在钱评论质量、在结评论可信度、评论阅读者与在结评论有用性之间起到中介作用.

摘要： 通过构建移动O2O用户在线评论有用性影响因素的概念模型,为移动O2O模式下在线评论有用性排序提供依据.文章运用双路径模型,结合移动O2O用户的特点,加入在线评论质量、在线评论可信度、图片数量、评论阅读者特征、从众心理指标,构建了移动商务环境下O2O用户在线评论有用性影响因素的概念模型,并做出相关假设,通过调查问卷的方法收集数据,再利用偏最小二乘结构方程(PLS-SEM)进行模型的检验和分析.研究表明:产品属性特征词、情感特征词、图片能提高在结评论质量;在线评论的质量正向影响在结评论可信度,而有用性投票、评论者权威对在线评论可信度没有显著影响;认知反应在在钱评论质量、在结评论可信度、评论阅读者与在结评论有用性之间起到中介作用.

摘要： 通过构建移动O2O用户在线评论有用性影响因素的概念模型,为移动O2O模式下在线评论有用性排序提供依据.文章运用双路径模型,结合移动O2O用户的特点,加入在线评论质量、在线评论可信度、图片数量、评论阅读者特征、从众心理指标,构建了移动商务环境下O2O用户在线评论有用性影响因素的概念模型,并做出相关假设,通过调查问卷的方法收集数据,再利用偏最小二乘结构方程(PLS-SEM)进行模型的检验和分析.研究表明:产品属性特征词、情感特征词、图片能提高在结评论质量;在线评论的质量正向影响在结评论可信度,而有用性投票、评论者权威对在线评论可信度没有显著影响;认知反应在在钱评论质量、在结评论可信度、评论阅读者与在结评论有用性之间起到中介作用.

摘要： 通过构建移动O2O用户在线评论有用性影响因素的概念模型,为移动O2O模式下在线评论有用性排序提供依据.文章运用双路径模型,结合移动O2O用户的特点,加入在线评论质量、在线评论可信度、图片数量、评论阅读者特征、从众心理指标,构建了移动商务环境下O2O用户在线评论有用性影响因素的概念模型,并做出相关假设,通过调查问卷的方法收集数据,再利用偏最小二乘结构方程(PLS-SEM)进行模型的检验和分析.研究表明:产品属性特征词、情感特征词、图片能提高在结评论质量;在线评论的质量正向影响在结评论可信度,而有用性投票、评论者权威对在线评论可信度没有显著影响;认知反应在在钱评论质量、在结评论可信度、评论阅读者与在结评论有用性之间起到中介作用.

摘要： 本文基于社会心理学中的互惠规范理论,研究了B2C网站为评论者提供的经济激励对评价内容的影响.通过分析两个典型B2C网站(京东商城和亚马逊中国)上近30万条真实产品评价信息,发现经济激励会促使评论者给予产品更高的评分，但同时也会降低评论质量.此外,经济激励对评论内容的影响还受到消费者对产品接体满意度的调节作用。

摘要： 本文基于社会心理学中的互惠规范理论,研究了B2C网站为评论者提供的经济激励对评价内容的影响.通过分析两个典型B2C网站(京东商城和亚马逊中国)上近30万条真实产品评价信息,发现经济激励会促使评论者给予产品更高的评分，但同时也会降低评论质量.此外,经济激励对评论内容的影响还受到消费者对产品接体满意度的调节作用。

摘要： 本文基于社会心理学中的互惠规范理论,研究了B2C网站为评论者提供的经济激励对评价内容的影响.通过分析两个典型B2C网站(京东商城和亚马逊中国)上近30万条真实产品评价信息,发现经济激励会促使评论者给予产品更高的评分，但同时也会降低评论质量.此外,经济激励对评论内容的影响还受到消费者对产品接体满意度的调节作用。

摘要： 本文基于社会心理学中的互惠规范理论,研究了B2C网站为评论者提供的经济激励对评价内容的影响.通过分析两个典型B2C网站(京东商城和亚马逊中国)上近30万条真实产品评价信息,发现经济激励会促使评论者给予产品更高的评分，但同时也会降低评论质量.此外,经济激励对评论内容的影响还受到消费者对产品接体满意度的调节作用。

摘要： 本发明提供了一种基于评论有用性的自动用户评论摘要的方法，包括依次执行以下步骤：步骤1：预处理；对评论文本进行词形还原；步骤2：评论有用性预测；提取可能会影响评论有用性的特征，用所提取的特征来刻画评论，并使用随机森林分类模型预测评论的有用性；步骤3：基于二元词语的情感‑话题建模；向传统二元词语话题模型中加入情感变量，为评论同时建模话题和情感；步骤4：多要素话题和评论排序。本发明的有益效果是：1.本发明的方法可有效利用一些忽略的重要的评论特征辅助评论有用性预测、辅助后续的排序摘要任务；2.本发明的方法的话题的排序可以节约开发者的时间。

摘要： 本发明涉及一种针对体现用户意图的APP软件用户评论挖掘方法，属于APP软件用户意图分析领域。本发明首先定义评价对象和评价观点的抽取规则，在抽取用户评论的评价对象和评价观点的基础上初始化评论种子，应用评论种子挖掘与之相同或相似的体现相同用户意图类别的用户评论；然后通过能愿动词、软件简介和情感分析挖掘出与评论种子匹配失败的用户评论中的体现用户意图的用户评论，并构建候选评论模式库；最后，针对每次循环挖掘过程中构建的候选评论模式库抽取具有代表性的新评论种子，用于下一次的循环挖掘，实现体现用户意图的用户评论的循环挖掘，直到体现用户意图的用户评论的挖掘效果收敛。

摘要： 本发明公开一种基于用户评论动态分析的用户评分预测方法，首先，对用户评论进行时间窗口映射和主题分析，采用主题词在每个时间窗口中的概率值变化表示用户偏好的演变；然后，计算主题词层次关系并构建相应的主题词层次树，用不同层次的主题词表征其对用户评分的影响力；最后，将用户评论映射于主题词层次树生成用户偏好向量，根据用户偏好向量对用户的评分进行预测。实验证明，该方法有效刻画了用户偏好的演变以及不同层次的主题词对用户评分的影响，使得评分预测误差得到改善。

摘要： 本发明公开了一种用户评论信息共享的方法、即时消息服务器及用户终端，所述方法包括：获取当前用户的好友群组中在线用户的收视信息；将所述当前用户的好友群组中观看相同节目的用户划分为一个好友子组，其中，每个好友子组对应一个好友子组标识和节目标识；将各好友子组对应的好友子组标识以及各好友子组内的用户列表信息发送给当前用户终端；接收所述当前用户终端发送的第一报文消息，所述第一报文消息中包括当前用户输入的用户评论信息以及接收所述用户评论信息的好友子组的好友子组标识；向所述第一报文消息中的好友子组标识对应的好友子组中用户的用户终端发送第二报文消息。本发明适用于用户评论信息的共享。

摘要： 一种基于注意力机制的用户评论有效性分析方法，包括以下步骤：步骤1：通过VGAE模型生成用户行为数据特征；步骤2：生成用户生成内容数据特征；步骤3：通过AGNN融合用户行为数据特征和用户生成内容数据特征，并基于胶囊网络设置有效特征向量和无效特征向量两个输出，通过计算有效特征特征向量模长与无效特征向量模长之比对用户的评论进行有效性分析；本发明设置一种基于注意力机制的用户评论有效性分析方法通过整合用户行为和用户生成内容，综合利用用户的历史评论及用户的标签，刻画了用户的特征，提升分析准确度，在评论有效性预测方面给出了一种新的思路。

摘要： 本发明提供了一种基于评论有用性的自动用户评论摘要的方法，包括依次执行以下步骤：步骤1：预处理；对评论文本进行词形还原；步骤2：评论有用性预测；提取可能会影响评论有用性的特征，用所提取的特征来刻画评论，并使用随机森林分类模型预测评论的有用性；步骤3：基于二元词语的情感‑话题建模；向传统二元词语话题模型中加入情感变量，为评论同时建模话题和情感；步骤4：多要素话题和评论排序。本发明的有益效果是：1.本发明的方法可有效利用一些忽略的重要的评论特征辅助评论有用性预测、辅助后续的排序摘要任务；2.本发明的方法的话题的排序可以节约开发者的时间。

摘要： 本发明公开一种基于用户评论动态分析的用户评分预测方法，首先，对用户评论进行时间窗口映射和主题分析，采用主题词在每个时间窗口中的概率值变化表示用户偏好的演变；然后，计算主题词层次关系并构建相应的主题词层次树，用不同层次的主题词表征其对用户评分的影响力；最后，将用户评论映射于主题词层次树生成用户偏好向量，根据用户偏好向量对用户的评分进行预测。实验证明，该方法有效刻画了用户偏好的演变以及不同层次的主题词对用户评分的影响，使得评分预测误差得到改善。

摘要： 本发明涉及一种针对体现用户意图的APP软件用户评论挖掘方法，属于APP软件用户意图分析领域。本发明首先定义评价对象和评价观点的抽取规则，在抽取用户评论的评价对象和评价观点的基础上初始化评论种子，应用评论种子挖掘与之相同或相似的体现相同用户意图类别的用户评论；然后通过能愿动词、软件简介和情感分析挖掘出与评论种子匹配失败的用户评论中的体现用户意图的用户评论，并构建候选评论模式库；最后，针对每次循环挖掘过程中构建的候选评论模式库抽取具有代表性的新评论种子，用于下一次的循环挖掘，实现体现用户意图的用户评论的循环挖掘，直到体现用户意图的用户评论的挖掘效果收敛。

摘要： 本发明公开了一种用户评论信息共享的方法、即时消息服务器及用户终端，所述方法包括：获取当前用户的好友群组中在线用户的收视信息；将所述当前用户的好友群组中观看相同节目的用户划分为一个好友子组，其中，每个好友子组对应一个好友子组标识和节目标识；将各好友子组对应的好友子组标识以及各好友子组内的用户列表信息发送给当前用户终端；接收所述当前用户终端发送的第一报文消息，所述第一报文消息中包括当前用户输入的用户评论信息以及接收所述用户评论信息的好友子组的好友子组标识；向所述第一报文消息中的好友子组标识对应的好友子组中用户的用户终端发送第二报文消息。本发明适用于用户评论信息的共享。

摘要： 本发明公开了基于用户评论的商品数据分析方法、系统、设备及介质，商品数据分析方法包括：获取对应各品类商品的销售数据以及用户评论数据，并对同一品类商品的销售数据及其用户评论数据进行关联；对各品类商品的销量数据进行筛选以获取满足预设退换条件的目标品类商品，并调用目标品类商品相关联的用户评论数据；对目标品类商品的用户评论数据进行评论内容分析，并向指定终端推送并展示根据分析结果生成的目标品类商品的缺陷报告。本发明可实现批量且全面地对用户评论进行退换货原因分析，可让商家快速获知产品的缺陷，提高产品分析的准确性以及提供产品分析效率。