基于语料库的英语(亚马逊)商品在线评论对比研究

商品在线评论是一种新的体裁文本,对促成商品交易所起的作用越来越大,因此对其体裁对比分析具有一定的现实意义。本研究以英语商品(亚马逊网站)在线评论为语料,以体裁对比分析为基础,提出了关于商品在线评论新的语步模型,揭示了英语(美国和英国)商品在线评论的宏观特征和差异。新的语步模型分为8个语步:必选语步--标题语步、商品信息语步、经历语步和评价语步,可选语步--比较语步、请求对方采取行动语步、建议语步和礼貌收尾语步。本研究某种程度上揭示了亚马逊社区消费者对商品信息和评价语步的偏好和差异,对加深了人们对虚拟空间下言语行为的认识。

商品在线评论动态变化评价指标体系的研究

[目的/意义]研究商品在线评论动态变化的评价指标体系,为商家掌握消费者态度的变化过程,有针对性地改进产品或服务提供参考。[方法/过程]结合ELM方法,建立商品在线评论的动态评价模型,并提出结构分布指标、跨类变动指标和内部变动指标等3类一级指标,以及评论结构比、平移率、跨越率、集中率、扩散率、商品价值关注度、服务敏感度等二级指标。[结果/结论]以天猫网女装的在线评论为例进行实证研究,详细说明模型和指标体系的应用过程,并验证其适用性。网商可借助该指标体系评价商品在线评论的变动情况,了解消费者态度变化趋势。

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.

在线商品虚假评论形成路径研究

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。

在线商品评论可信吗——在线商品评论的偏差分析及矫正策略

根据中国的商业环境,对淘宝网数据进行实证分析,文章作者发现在线商品评论呈近似反"L"形的非对称分布,且评论的均值不是商品质量的无偏估计量。这与现有研究认为在线商品评论呈正态分布且评价的均值是无偏估计量的结论不同,与国外的实证结果在线评论呈双峰分布亦不相同。为了深入研究在线商品评论存在偏差的原因,以及反"L"形分布的特征,文章构建了基于消费者效用的在线商品评论模型,该模型得出商品评论的均值作为无偏估计量的条件,并进一步揭示出中国电子商务网站"默认好评"机制、"退货评价"机制和消费者主动评价偏差是在线商品评论存在偏差的重要原因。

基于DDAG-SVM的在线商品评论可信度分类模型

[目的/意义]进一步完善电子商务交易网站的评论体系,提升用户的在线购物体验。[方法/过程]从评论内容、评论者特征和商家特征3个维度确定了在线商品评论可信度的10个影响因素指标,并在此基础上提出了基于DDAG-SVM的在线商品评论可信度分类模型。最后基于MATLAB和LIBSVM,利用淘宝平台近5000条数据集对该模型的准确度进行对比测试。[结果/结论]实验结果达到了93.687%的平均分类准确率,具有较高的准确率和一定的可行性。[局限]分类器预测的准确性一定程度上依赖于人工标注的评论数据集。

在线商品评论信息的有用性研究

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或服务的评论,但是,随着在线商品评论信息的数量增多,潜在的消费者越来越难从中发现有助于制定购买决策的信息。由此,面对海量的商品评论,如何从中识别有用的评论信息,分析在线评论的效用已成为当今的研究热点。本文对我国主要的电商网站进行调研,获取商品评论系统评论信息的主要展现形式,基于此具体分析各种展现形式对消费者制定购买决策的影响,这一结果对改进在线商品评论系统的功能设计具有较强的参考价值。

在线商品评论对制造商收益的影响研究

互联网和电子商务的快速发展,给越来越多的消费者带来了购物的便捷。在线商品评论在网络购物中扮演了重要的角色。在线商品评论可以影响消费者的购买决定,引起商品需求的变化。本文从在线商品评论的概述出发,假设在线评论更新下的两阶段定价模型中,垄断制造商只卖一种新产品。在此模型的基础上,讨论在线商品评论对制造商收益的影响,以及制造商如何根据在线商品评论来调整其销售策略。

基于在线商品评论的满意度指标体系的构建

本文针对消费者就某一在线商品评论,提出了一种新的消费者满意度研究方法。本文简要论述了满意度研究的几种模型,指出这些模型对满意度的研究都是建立在问卷调查基础上,同时指出其存在的局限性,并给出利用在线商品评论来测度满意度的方法。

基于证据网络的在线商品评论有用性的评估模型

[目的/意义]评估并排序是缓解消费者难以发现有用性评论的有效途径。[方法/过程]基于评论有用性的影响因素间存在的多层次依赖关系,文章提出了一种基于证据网络的评论有用性的评估模型。实施以条件信度函数为参数的证据网络推理计算评论有用性,同时依据网络节点的计算值识别评论的有用性缺陷。[结果/结论]文章提出的模型不仅具有有效性,还可以识别评论的有用性缺陷,具备一定的评论有用性的可解释性。

基于信息质量视角的在线商品评论有效性研究分析

在线商品评论已成为消费者购物决策的重要信息,在一定程度上弥合在线购物期望与实际购物体验可能存在的差距。然而,信息片面化、虚假评论、身份隐匿,参差不齐的在线商品评论对购物者决策的影响力有多大?本文从信息源质量、信息内容质量、信息表达形式质量三个维度分析我国在线商品评论的研究现状,并提出后续研究方向。

基于评论等级的在线商品评论有效性影响因素研究

为应对海量在线商品评论信息过载,基于评论等级差异化区分在线商品评论有效性影响因素,能够提高消费者信息搜索效率、满足消费者信息需求的不同偏好。文章根据评论星级将在线商品评论区分为好评、中评、差评三个子集,基于信息质量理论从信息源、信息内容、信息表达形式三个维度构建评论有效性指标,通过多元回归分析检验不同等级在线商品评论的有效性影响因素作用机制。相同的在线商品评价指标对不同等级的评论有效性影响存在一致性与差异性,影响因素之间存在相互作用,企业应对不同等级评论有效性采用不同的评价指标组合,提高推荐评论的采纳率。

在线商品评论对亚马逊出口卖家的效用探究

作为来自商品和服务使用者的真实反馈,在线商品评论中所蕴含的信息对于跨境电商卖家的运营决策极为重要。以亚马逊平台为例,阐述该平台在线商品评论的特点,并说明在线商品评论对亚马逊出口卖家可以发挥效用的前提。最后总结出在线商品评论对亚马逊出口卖家四个方面的效用,分别是:强化买家购物信心,提升转化率;为选品及产品优化提供方向;提高listing的刊登质量;实现更高效的客户关系维系。

基于话语标记理论的在线商品评分修正方法

尽管在线商品评论是消费者购买决策的重要依据之一,然而现实中评论内容与评分间的不一致将对购买决策的制订形成干扰,折射出解决评论与评分真实性问题的重要性和现实性。当前关于评论与评分偏差的研究主要围绕语法、语义层面进行,矫正的效果和速度存在较大局限。本文则在语义与语用层面,通过引入语言学的话语标记理论,构建商品评论话语标记语库,设计包含可信度、评论立场、情感态度的评分修正体系,并采用改进后层次分析法得到各评价指标的权重,提出评论评分偏差的修正方法;最后,通过京东商城的真实评论数据修正结果验证了本方法的可行性和有效性,从而深化并拓展了对在线商品评论分析的研究。

基于评论的商品改进需求获取方法研究

基于在线商品评论文本中产品特征与观点词的句法依存关系,综合关注度与观点值以及特征修饰词并考虑相关副词对观点词的影响,提出了一种结合用户的关注度和观点值以及特征修饰词来获取商品改进需求的方法。研究表明,该方法能够较好地获取商品的改进需求,可以为企业提供产品设计改进的方向。

C2C电商平台中在线评论偏离真实性的诱因及应对策略

通过建立C2C电商平台规则下的买卖双方不对称信息博弈模型,刻画不正当竞争策略中买家的评价行为,得出在线评论偏离真实性的原因:采取"好评返现"策略的卖家,获得高质量好评带来的销售量增益的同时增加了买家的当前收益,导致好评数偏高;买家遭受"差评威胁"时的妥协,激励了卖家采取"差评威胁"策略,导致差评数减少。应对策略:制定规则或法律,保护买家的人身安全,从而减少妥协率,增加卖家的威胁成本,遏制"差评威胁"的发生;制定标准化的评价内容,减少高、低质量好评造成的销售量差额;取消默认好评机制,且"好评返现"的奖励应由平台给出,禁止卖家返现,从而减少虚假好评数量。

信息视角下网络商品评论国内外研究综述

网络商品评论对于消费者决策以及商家收集反馈信息有着非常重要的价值和现实意义,如何对现有文献进行梳理是深化网络商品评论的关键问题。对近年来发表的国际权威文献进行梳理,通过关键词聚类以"数据流"、"信息流"、"知识流"为主线,深入解析网络商品评论的研究进展,并提炼出网络商品评论研究的焦点和重心,归纳出"评论传播"、"评论挖掘"、"评论使用"、"评论评估"四个层面的研究单元,并提出未来可在弹幕评论、图片挖掘、协同购物、评估分类等领域展开更多的研究。

基于商品评论语义分析的情感知识图谱构建与查询应用

[目的/意义]知识图谱具有强大的语义理解能力和开放互联能力,建立中文情感知识图谱可以实现智能化的情感信息检索,从而协助用户优化其购买决策,也有助于产品和服务质量的改进。[方法/过程]基于框架语义理论建立细粒度的情感分类词典和语义角色分析模型,通过在线评论的情感语义标注构建情感知识图谱,在此基础上应用本体查询工具,实现情感知识的个性化、智能化查询。[结果/结论]以手机商品评论为实验数据,实现了基于概念的综合查询和语义推理,展示了情感知识图谱在智能化检索服务中的应用优势。

基于B2C帐号在线评论特征的聚类分析——以京东商城为例

基于B2C帐号在线评论数据对帐号进行聚类,聚类算法采用EM、SimpleKMeans,并使用基于似然度的聚类算法评估准则作为聚类算法簇个数选取和算法比较依据。最终,选取EM算法并得到5类人群。得结论:站在帐号满意度的层面,京东商城的运营状况基本良好,但是,也有大概十分之一的高级账户存在流失的潜在风险;京东商城正在培育出一批忠诚度高、消费能力旺盛的客户群;评论字数较长的负面评论更易引起关注。

基于语义规则的汽车在线评论细粒度情感分析模型研究

近几年,越来越多的学者开始应用情感分析技术从海量产品在线评论中获取用户意见,为厂家产品改进、服务提升提供参考.本文以汽车在线评论文本为研究对象,提出基于语义规则的细粒度情感分析模型,对产品多方面特征进行深入意见挖掘通过实验证明了模型的有效性.