地理标志农产品网购意愿影响因素研究——基于京东消费者评论的文本挖掘

[目的/意义]消费者网购地理标志农产品面临的购物环境比传统线下购物更为复杂,在线评论作为网络口碑主要呈现形式很大程度上影响着消费者购买决策。[方法/过程]通过爬取京东平台在线评论,利用SnowNLP情感分析、TF-IDF算法和LDA模型,研究消费者网购地理标志农产品的影响因素。[结果/结论]消费者对于地理标志农产品购物整体表现出积极正面的情感态度。消费者网购地理标志农产品的需求关注点集中在产品质量、价格折扣、电商服务、原产地形象、品牌形象、物流配送六个方面。各个变量对消费者购买意愿的影响存在差异:产品质量>物流配送>电商服务>价格折扣>原产地形象>品牌形象。

基于数据挖掘的慢性疲劳综合征动物模型的评价

目的研究慢性疲劳综合征动物模型的应用情况,为其动物实验方法和模型完善提供参考。方法以“慢性疲劳综合征、动物模型”“Chronic fatigue syndrom,animal model”等为检索词,在中国知网、万方、PubMed数据库进行检索,整理2000年7月~2023年7月慢性疲劳综合征动物模型的文献,对实验动物、造模方法、阳性药、检测指标等内容进行整理,建立数据库进行统计、分析。结果共纳入有效文献155篇;实验动物以SPF级、体重集中在180~220 g的雄性SD大鼠最多;小鼠应用最多的是18~22 g的SPF级雄性KM小鼠;应用最多的阳性药是人参皂苷片;应用最多的造模方法是“强制冷水游泳+慢性束缚”法,造模周期多集中在14 d,大多采用边造模边干预的方式;检测指标以行为学为主,主要包括力竭游泳实验、旷场实验、鼠尾悬吊实验、Morris水迷宫实验以及动物一般状态观察,其次是血清生化指标,检测最多的是血清MDA、SOD、TNF-α、IL-1β、CORT、IL-2、IFN-γ、ACTH、GSH-Px、IgG、IgA、IL-6等;根据研究目的不同选择其余多种检测指标,包括脾、胸腺等脏器指数测定、HE病理染色和超微结构电镜检测的形态学指标、免疫组化相关指标、实时荧光定量PCR检测法和Western blot法检测相关mRNA及蛋白表达指标,检测种类繁多但应用频率均不高;目前动物模型主要用于研究干预效果、探究病因病机及机制。结论目前慢性疲劳综合征的发病机制尚不明确,动物模型以“强制冷水游泳+慢性束缚”的应激造模方法为主,模拟人类身体和心理疲劳状态;动物模型成模标准尚无统一规定,模型评价方式以各种行为学实验单独或组合应用为主,多数文献中客观评价指标多用于病因病机猜想的论证及干预措施有效性评价;各项检测指标应用结果表明慢性疲劳综合征可能与炎症反应、神经功能障碍和线粒体功能异常等因素有关,其发病机制中可能存在免疫功能、能量代谢、细胞增殖和细胞死亡的异常状况,挖掘内容有望为模型应用提供参考,为模型完善提供思路。

国际中文教育国内研究的问题与展望

文本基于2211篇文献,运用文献计量分析工具,对国际中文教育研究主题演进与前沿进行可视化分析。研究发现:一是国际中文教育研究总体呈现波动趋势,2010年后研究产出有所下降;二是研究热点集中于15个聚类,其中汉语教学为核心主题,初级汉语教材编写具有显著影响;三是研究焦点逐渐由宏观理论和框架转向单一主题的深化与交叉探讨,如对外汉语教学、第二语言习得、教学模式和语法化等研究主题呈现传承性特征;四是前沿研究包括分级测试、产出导向法等。未来研究方向应关注互动语言学、语气词等热点问题,尤其是二语习得和互动语言学领域。

基于文本挖掘的俄罗斯羽绒服消费需求

为推动中国与俄罗斯的外贸服装产业发展,并有效指导国内企业进入反向定制生产模式,以俄罗斯电商平台Wildberries为数据来源,应用文本挖掘技术对平台上商品的在线评论内容进行情感分析,通过消费者评价维度权重、情感积极率和待改进度3项指标获得服装消费者的反馈信息。结果表明:一级维度中对消费者整体情感倾向影响最大的是产品质量,其次是产品外观和服务质量。在产品质量中,保暖性虽然是羽绒服最重要的服装特性,但在影响消费者整体情感倾向程度的排名中仅第三;排名第一的为合身度,也是最需要改进的。在其他二级维度中,对消费者整体情感倾向影响最大的分别是颜色、客户服务,两者均需进一步改进。未来中国的外贸服装企业在设计生产过程中不仅要增加相应的尺码,还要考虑到消费者对颜色的偏好和保暖性需求,销售方在服务提供过程中要注重提升客户服务质量,以提升消费者满意度,最终促进国内企业进入反向定制生产模式,推进双方贸易发展。

基于文献分析研究前列腺增生大鼠模型特点

目的:研究对大鼠前列腺增生造模特点与指标特征,为提高实验造模效率和科学评价药物防治的价值提供参考及依据。方法:于国家知识基础设施数据库(CNKI)收集2001年1月至2023年2月研究大鼠前列腺增生动物模型文献共计228篇,录入动物模型造模动物类型、造模药、阳性对照药、受试药、药物给药时间、给药剂量、给药方式及部位、评价指标和测试指标等信息,进行统计与分析。结果:推荐选取SD雄性大鼠,造模方案为切除大鼠双侧睾丸,连续30 d腹腔注射丙酸睾酮3~5 mg/kg,1次/d;常见指标:组织生化指标、血清生化指标、前列腺组织病理学指标等。治疗药物以非那雄胺为主,常用中药复方为仙甲汤、隆畅胶囊以及加味桂枝茯苓颗粒等,给药周期均为30 d左右。结论:通过分析讨论可得出,高效准确的造模方式对前列腺增生动物模型成模及治疗具有一定的参考意义。

基于语义量化匹配的汽车外观显著性意象挖掘

目的 为解决传统感性设计研究中意象实验耗时大以及小样本偶然性等问题,依托现有网络评价文本信息提取了用户意象认知。方法 首先,爬取大规模汽车外观评论文本,构建语义分析词汇库,构建word2vec词向量模型;然后,基于模型获取词库内部的语义联系,计算高频关键形容词之间的语义离散性,以构建代表性意象词空间;最后,通过语义量化匹配将评论映射到意象词空间,得到大规模用户对各车型的显著性意象表征,明确了指定意象词汇下的汽车外观匹配结果。结果 运用该方法挖掘汽车外观显著性意象与基于人工评价的实验结果无显著性差异且具有高度相关性,证明了该方法的有效性。结论 以该方法挖掘用户意象认知,运用了现有的大批量用户反馈知识,提高了意象分析效率,有助于决策者快速理解消费者对汽车外观的感性知识,在设计迭代中可使产品更符合市场期望;对比相关研究,基于语义量化匹配的方式无需对超高维向量进行降维和聚类,避免了以往研究因特征降维而可能导致的词向量语义联系的损失,以得到更为准确的意象挖掘结果。

基于BTM主题挖掘和Kano模型的运动文胸用户需求研究

为了深入挖掘运动文胸的用户需求,文章采用BTM模型对10个运动文胸品牌的16 248条在线评论进行主题挖掘,构成运动文胸用户需求要素,并通过Kano模型分析用户满意度和需求度,确定各项要素的属性归类和优先级排序。研究结果得到,运动文胸用户需求维度包括功能质量、款式设计、面料材质、颜色外观、服务品质、品牌营销6个方面;在23项需求要素中,舒适度和防震功能是用户满意度建立的首要因素,下围、罩杯、面料手感、胸垫材质是产品优化中的关键因素,客服态度、退换货服务、声誉口碑、商品信息是服务和营销中的重要因素;进而提出优化建议供相关企业参考。

航测点云数据在矿山修复工程量复核中的研究与应用

矿山生态修复项目中工程量复核是工程质量的全方位保障,也是项目竣工验收的基础和前提。针对矿山生态修复项目工程量特点和复核工作需求,以边坡喷播面积、台阶土石方挖填方量和平场覆土量等3项复核指标为研究对象进行工程量复核工作研究。本项目以无人机航测点云数据为研究基础,利用点云数据优势,结合矿山生态修复项目地形及工程特点,采用经验贝叶斯克里金法和优化的分区域三角网模型建立了完善的复核模型。通过与散点法和DSM法进行数据精度对比分析,得出本研究方法精度高且能够满足快速精确的复核工作需求,具有良好的应用推广价值。

浅谈矿山治理工程复核测绘

目前,矿山治理已成为环境保护和可持续发展战略的重要部分。本文结合生产实践,阐述了矿山治理工程复核测绘的生产工作流程和技术方法,并对关键技术环节进行了分析,为矿山生态治理提供依据。

基于在线评论的邮政物流服务创意挖掘研究

在线评论聚集了海量意见与建议,可以为物流企业的运营管理提供方向性参考。文章提出基于情感分析的用户创意挖掘方法,帮助物流运营管理获得具有创新性的用户反馈,以提升运营效率。文章以邮政快递为研究对象,以抖音和快手短视频物流评论为数据源,通过爬虫获取数据;其次利用改进的LSTM情感分析模型Bi-LSTM实现情感分类;最后以词云聚焦话题点,以语义网络分析图并结合Apriori关联规则分析算法可视化出话题背后最后一公里的服务问题,以便资源调整与服务经营的改进。实验结果表明,用户对于快递员很少送货上门转而放入快递柜不满;在物流末端的偏远地区配送服务一般集中在乡镇地区,农村配送难以实现;用户对于贵重物品损坏丢失以及快递员服务态度反映强烈。

基于KANO-IPA模型的用户满意度分析——以人机交互体验的智能个人助理产品的在线评论为例

通过在线评论这一用户表达需求的重要渠道,可以识别和评估产品或服务对用户满意度的影响,进而为企业提供改进产品或服务的启示。将KANO-IPA模型和数据挖掘技术相结合,综合挖掘用户满意度和产品属性的重要性。首先,对用户的在线评论进行数据挖掘,利用BERTopic进行主题建模,以此构建属性-情感词典;其次,将产品属性映射到KANO-IPA模型,对属性进行分类,并确定用户对各属性的偏好和优先级;最后,以人机交互中的智能个人助理产品为例,分析产品对用户需求的优先级。结果表明,针对不同用户需求提出差异性优化建议,对产品的改进与提升具有重要意义。

基于在线评论的青年公寓居住需求挖掘及空间设计研究

针对当前青年公寓无法满足青年群体居住需求的问题,文章采用在线评论与LDA主题建模相结合的方法,对青年群体的居住需求进行挖掘,以全面识别居住需求,从而制定设计策略。首先,基于在线评论方法采集“知乎”平台中关于青年公寓的问答数据。其次,基于LDA主题建模方法进行文本挖掘,得到青年群体的居住需求。最后,基于居住需求,制定4条青年公寓室内空间设计的策略。以期提高青年公寓室内设计的合理性,满足青年群体的居住需求。

医疗评论内容特征挖掘及其对患者在线问诊服务利用的影响

目的/意义阐述在线医疗评论的内容特征及其对患者在线问诊服务利用的影响,为在线医疗平台信息管理提供参考。方法/过程构建基于TF-IDF的LDA主题模型,采用基于情感词典的语义分析方法,挖掘在线医疗评论的内容特征,应用主成分分析法对其进行分类探索,并利用二元logistic进行回归分析。结果/结论将在线医疗评论内容特征分为3大类别,包括9个指标,其中评论者属性、时效性、问诊流程、服务态度和平台操作反馈对患者高效在线问诊服务利用存在显著影响,建议通过优化在线医疗平台评论板块相关服务提高患者对在线问诊服务的利用水平。

国外善因营销研究文献主题挖掘与研究热点分析

当今企业普遍注重社会责任的理念,善因营销已经成为企业增强品牌信任、提升品牌资产的有效途径。采用文本挖掘方法对2014—2022年的CRM文献中的高质量英文文献进行分析并总结归纳研究主题与热点趋势,确定了CRM领域的四个最新研究热点,即消费者对CRM推广的感知和响应,品牌与事业/产品与事业/消费者与事业的契合度,CRM战略的执行特征,以及宏观和中观层面的CRM相关问题。这项研究提供了过去近十年CRM研究趋势的整体观点,为善因营销研究提出了未来研究方向,以期随着CRM实践的发展,为更有针对性和更有效的研究贡献提供指导。

矿用产品安全标志远程工厂评审技术探讨

随着信息化技术的高速发展,矿用产品安全标志远程工厂评审作为现场工厂评审的替代方式得到了大量应用。本文梳理了远程工厂评审的应用背景,简要介绍了远程工厂评审实施中的关键环节与侧重点,分析评价目前远程工厂评审存在的问题,并提出完善远程工厂评审的相关建议。

在线评论数据驱动的客户感性需求识别及向设计特征映射方法

为提升客户对产品的认可度,针对传统概念设计阶段未充分考虑客户感性需求偏好及客户感性需求获取困难的问题,提出一种在线评论数据驱动的客户感性需求识别及向设计特征映射方法。首先,基于形态学分析法,通过构建能量材料信号(Energy Material Signal, EMS)模型试图从产品中发现所有设计特征,并基于在线评论数据从所有设计特征中筛选出用户关注的核心特征;其次,从在线评论数据中提取形容词组成感性词对,以感性词作为中心词并利用词向量技术获得非中心词,基于情感词典,利用所给方法计算产品感性词对的感性评价值;然后,基于数量化理论Ⅰ(Quantitative TheoryⅠ,QTⅠ)建立客户感性评价与产品设计元素之间的映射模型,并为改进产品设计提供依据;最后,通过实例验证所提方法的可行性和有效性。

基于SVM和LSTM的在线剧评分析模型

海量的观影评论包含着广大观众对影视作品各方面的偏好,可以为影视剧的拍摄和宣传提供决策支持。提出影视剧在线评论分析模型:利用Python爬取传媒平台的评论信息,经过数据预处理和分词,分别采用SVM方法和LSTM方法对短评文本和长评文本进行情感极性分析,运用统计和可视化方法研究评论词语、语义网络关系、情感倾向演化、文本内容特征和地域热度分布。以公安剧《狂飙》为例进行实证分析,结果表明所提模型可以合理揭示总体情感热度演变规律,发现观众发表评论的内容偏好、行为规律和地域特征。

在线评论数据挖掘视角下游客情感分析模式构建——以肇庆市七星岩景区为调研对象

互联网时代的到来,推动全球的经济发展发生巨大改变。如今互联网已经是人们的生活中不可分割的一部分。旅游行业的业态也随网络时代而转变。随着各旅游平台的兴起,在线评论已经是很普遍的现象,并成为人们旅游消费的重要参考指标。该文以肇庆市七星岩景区为调研对象,基于在线评论的视角对数据采集进行剔除过滤、高频词统计及可视化呈现等一系列工作,通过情感分析法对数据进行分析整理,构建游客情感分析模式。经过系列的实证试验分析可以诊断,对于旅游目的地因素,游客的情感更为敏感以及在意;管理和景观是景区提升自身竞争力的重要内容;消费不仅受游客关注度影响,同时也对游客情感有着显著的影响力。提出关于资源管理、经济发展模式和服务、饮食开发的相关建议。

基于BERT和LDA模型的酒店评论文本挖掘

通过主题模型对酒店评论文本进行文本挖掘,有利于引导酒店管理者和客户对评论信息做出合适的鉴别和判断。提出一种基于预训练的BERT语言模型与LDA主题聚类相结合的方法;利用中文维基百科语料库训练BERT模型并从中获取文本向量,基于深度学习算法对评论文本进行情感分类;通过LDA模型对分类后的文本进行主题聚类,分别获取不同情感极性文本的特征主题词,进而挖掘出酒店客户最为关注的问题,并对酒店管理者提出具有参考价值的建议。实验结果表明,通过BERT模型获取的文本向量在情感分类任务中表现较好,且BERT-LDA文本挖掘方法能使酒店评论文本的主题更具表达性。

在线评论中的用户需求识别及其演化趋势挖掘

Web2.0环境下,越来越多的消费者在网络平台上购买商品,且将使用感受通过在线评论的形式表现出来,大量的在线评论数据蕴含着很多有价值的信息,企业可以利用在线评论来识别和分析用户需求,以便于后续的产品改进。本文以联想笔记本电脑的评论数据为研究对象,提出基于在线评论挖掘的用户需求识别与演化分析模型,利用SnowNLP模型、Kano模型与LDA模型,对用户评论进行分类、识别、特征情感对分析以及时间序列分析。结果表明:根据情感趋势预测,顾客对类型一、类型二和类型三的情感值呈上升趋势,类型四的情感值呈下降趋势;此外,用户对产品外观与游戏体验的关注较多。研究从时间的角度对在线评论的研究方法和模型进行了改进,可为分析用户对产品需求以及预测用户对于产品的情感趋势等研究提供参考价值。