评论数据驱动的产品情感满意度预测模型构建

目的针对康养辅具产品多维设计要素与用户情感满意度的复杂映射问题,提出了一种基于评论数据的产品情感满意度预测模型。方法首先爬取样本评论数据,并利用LDA模型构建产品多维设计要素空间,同时对样本进行要素编码;其次对各样本对应的评论数据进行情感满意度分析,以获得情感满意度分值;最后通过BP神经网络构建情感满意度预测模型,结合K-fold交叉验证法测试模型可靠性。结果以康养辅具电动轮椅为例,通过30个样本数据集交叉验证后得到预测值与期望值的均方误差值为0.0441,表明该预测模型精度良好,具有较高的可靠性。最后利用该预测模型对104976个随机组合方案进行情感满意度计算,得出电动轮椅最佳组合方案。结论基于用户评论数据构建的产品情感满意度预测模型,能够有效建立产品多维设计要素与情感满意度间的匹配关系,辅助设计人员快速识别出用户情感满意度较高的多维设计要素组合,提高了设计方案决策的科学性。

评价数据中的用户偏好建模:一种基于隐变量模型的方法

互联网应用中的评价数据包含丰富的用户观点和偏好信息.为了能更准确地发现用户偏好,综合考虑用户的评分和评论数据,基于贝叶斯网提出了一种针对评价数据的用户偏好建模方法.首先给出了从评论数据中抽取不同评论属性的方法,然后分别从评分和评论出发确定了用户偏好模型的初始结构约束和初始参数约束,最后给出了基于约束条件的用户偏好建模方法.实验结果表明,与单独评分或者评论数据构建的用户偏好模型相比,综合考虑评分和评论数据的用户偏好模型能更准确地估计用户偏好.

基于Python工具的汽车电商平台评论分析与可视化方法研究

随着互联网技术的快速发展,传统的汽车销售模式正逐渐向线上电商与线下4S店相结合的发展转变。汽车电商大数据发展对汽车制造、营销及消费者购车行为起到越来越重要的影响作用。文章对汽车电商论坛数据分析与可视化流程框架,借助Python工具对汽车电商平台——汽车之家网页的用户评论进行数据获取、情感分析及可视化分析,展现出基于Python工具的汽车电商平台用户评论大数据分析方法。