面向产品设计改进的在线评论挖掘

以竞争市场环境中的产品在线评论数据为研究对象,基于支持产品设计改进的视角,采用数据挖掘的方法与工具,开展面向产品设计改进的在线评论大数据分析研究。重点开展在线评论数据挖掘过程模型中的有用性建模和特征评价值情感分析。以某智能手机产品的在线评论数据为对象进行了实验,得到该产品各个属性的评价值,与更新换代后的产品属性进行比较,验证了此方法的有效性。

基于产品评论的消费者偏好模型构建研究

用户发表的购后评论,隐含着消费者对产品特征的某种偏好。有效挖掘消费者的偏好信息,有利于企业制定差异化的营销策略。首先,采用最大熵模型识别消费者性别。然后,利用CRF模型、频繁特征和评价词搭配从评论文本中抽取"产品特征─评价短语"对,使用情感词典为评价短语赋值。最后,以产品特征评价值为自变量、用户评分为因变量,利用二元Logistics回归分析构建消费者偏好模型。以亚马逊中国网站的两款热销手机的评论为实验,建立了消费者的总体偏好模型和不同性别消费者的偏好模型。模型显示男性消费者和女性消费者的偏好存在差异,给出了相应的营销建议。