基于文本挖掘的智能音箱产品用户评论分析
这是一篇关于智能音箱,情感分析,关键词提取,主题分析,用户满意度的论文, 主要内容为随着互联网技术和人工智能技术的不断发展,许多智能设备制造产业也迅速发展起来,智能音箱作为近几年广受大众喜爱新兴智能产品,吸引了许多传统音箱制造企业和大批互联网企业的加入。智能音箱通过人机语音交互的方式实现在线选歌、智能对话、智能家居等多种功能,给人们的日常生活带来了很大的便利性和趣味性。和传统音箱相比,智能音箱利用互联网和语音识别等技术,可以给用户提供娱乐游戏、生活助手、在线教育等多个方面的服务。越来越多生产企业的加入,使市场内涌现了大批各具特色的智能音箱爱产品,但同时也给产品的发展提出了更高的要求。从用户角度了解不同品牌智能音箱之间的产品特性差异,明确用户对不同品牌智能音箱产品的关注情况,对生产商和潜在的购买客户都有重要意义。本文首先阐述了对智能音箱评论进行文本挖掘和量化分析的相关理论,然后对京东平台上小米、百度、京东三种品牌智能音箱评论进行实证研究。主要分成五个部分去挖掘智能音箱的产品评论信息。第一部分介绍了电商平台快速发展的背景和智能音箱产品的产生和发展情况,然后介绍了使用文本挖掘技术对电商平台的用户评论的必要性,另外对情感分析和主题分析的国内外研究现状进行了阐述。第二部分介绍了文本挖掘的相关理论。主要对涉及到的情感分析、关键词提取、LDA主题模型、满意度分析的相关概念以及用到的关键技术进行介绍。第三部分是电商评论的描述性统计分析和情感分析。利用爬取的京东商城不同品牌下的智能音箱的数据,对数据预处理之后利用利用词云图和语义网络图对高频词汇间的联系进行直观的展示,再基于智能音箱评论扩充的情感词典对电商评论进行情感分类。第四部分是主题挖掘。先使用TextRank算法得到评论的候选主题特征词,然后分别对正负情感倾向评论的建立主题模型,最后量化分析用户对不同主题特征的满意度和关注度,研究不同品牌智能音箱下的用户关注情况和待改进方向。第五部分为结论与建议。总结前面章节得到的实验结果,分别对电商平台和智能音箱品牌厂商提出建议。研究发现,对小米小爱智能音箱来说,应该继续提高音箱的智能化水平,重点提高音箱的语音识别与语义理解方面的技术;对于小度智能音箱主要是发展智能家居方面,扩大音箱可连接设备的资源,不断提高用户的消费体验;对于京东叮咚智能音箱来说,应该不断改善音箱连接网络问题,在发挥品牌优势的基础上继续加强和第三方平台的合作,不断汇集更多的内容资源,为用户带来更加丰富的体验。
基于用户评论数据的线上大家电产品用户满意度影响因素研究
这是一篇关于线上大家电产品,用户满意度,用户评论数据,情感分类,语义网络的论文, 主要内容为随着互联网技术的快速发展,电商平台也随之大量涌现,线上购物模式的兴起对传统的线下实体购物模式带来了前所未有的冲击,在此背景之下,越来越多的消费者选择通过线上的方式购买家庭常用的大家电产品。大家电产品的线上购买相比于其线下购买,更加的方便快捷,并且拥有更多种类的商品供用户进行选择,产品的价格以及购物成本也更低,但是网上的欺诈问题、物流配送问题以及售后服务问题等也常常被人们所诟病,这些问题都严重影响着用户满意度。因此,对于整个线上大家电市场而言,如何获取以及分析大家电产品影响用户满意度的因素,明确自身的优势,改善自身不足,进而提升线上大家电产品市场的用户满意度,就显得十分重要。本文针对大家电产品用户满意度影响因素的研究,主要做了以下几点工作:(1)对现阶段线上大家电产品用户满意度现状进行了介绍,阐述并分析了线上大家电产品存在的主要问题,给出解决线上大家电产品用户满意度问题的思路;(2)运用情感分类模型对线上大家电产品的评论数据进行情感分类处理,将用户的评论数据分为正面评价和负面评价两部分。提出了结合注意力机制以及神经网络算法的情感分类模型AConv BLSTM,该模型在获取用户评论文本数据局部特征的同时,更能够有效地获取文本上下文之间的关系,具有较高的分类准确率;(3)对情感分类处理得到的正面评价以及负面评价进行语义网络分析,将分词之后凌乱的语句结构进行重新整合,并从整体上展现用户评论数据所表达的内容,获取相关用户满意度的影响因素;(4)运用主题模型对正负面评论数据进行进一步分析,挖掘出评论数据中潜在的主题,分别得到正负面评价数据的用户关注点,进而获取影响家电产品用户满意度的主要因素。(5)对京东平台热水器、洗衣机以及冰箱三种大家电产品进行实证分析,获取并分析得到其用户满意度的影响因素,进而提出合理化的建议。
基于文本挖掘的智能音箱在线评论研究
这是一篇关于智能音箱,情感分析,追加评论,用户满意度的论文, 主要内容为随着5G、人工智能、大数据等新兴技术的蓬勃发展,智能化、物联化的科技产品不断丰富、便捷着人们的生活,受到越来越多消费者的选购,智能音箱就是一款代表性智能产品。同时电商平台的迅猛发展,以及物流体系的不断成熟,消费者选择网购并进行在线评论,产生了大量的文本数据,因此从海量的信息中运用自然语言处理技术,挖掘出消费者对产品特征的关注度,进行情感分析以及品牌满意度分析具有切实的研究意义。本文运用python网络爬虫技术,选取天猫精灵、小度及小米三大品牌为研究对象,对无屏版智能音箱产品评论进行文本挖掘与分析,主要研究为:首先,对文本进行预处理,分品牌绘制词云图及基于LDA主题模型对好差评文本进行主题提取,实现文本特征分析。然后,采用SVM、NB、KNN近邻三种机器学习法,进行好差评文本情感分类。最后,一方面,基于文本特征分析结果确定产品特征词并利用word2vec进行扩充,进而构建满意度综合评价指标体系并利用层次分析法确定权重,另一方面提取短句,构建情感词典进行情感值计算,并基于初始评论和追加评论时间间隔,利用归一化法进行情感值修正,最终计算出满意度值,对三大品牌进行用户满意度对比分析。本文通过研究得到以下结论:1)物流、客服、音质、外观、价格、功能、智能、控制8大特征反映了用户关注点,作为评价指标;2)消费者对于外观、功能方面给予好评,客服、价格、控制方面给予差评;3)基于线性核函数的SVM分类器效果最好,可用于智能音箱好差评文本分类;4)综合满意度上,小米音箱满意度最高,多维度得分相对最高,其次是小度,外观、功能和智能维度上与小米得分较为接近,最后是天猫精灵,性价比高、功能齐全。最终提出以下建议:1)对于商家,要稳定价格、优化连接及语音交互、加强客服人员服务意识;2)对于品牌,天猫精灵要优化音效、语音交互、家居控制;小度要稳定连接、提升音效、优化百度及其他音乐APP会员限制;小米也要稳定连接、控制价格波动。
社会化问答APP大学生用户满意度影响因素研究
这是一篇关于社会化问答APP,大学生,用户满意度,影响因素的论文, 主要内容为随着信息技术的蓬勃发展,网络信息量呈现指数性增长。与此同时,用户的信息需求也在不断变化,传统的信息搜寻方式已无法满足用户的多元化需求。在此背景下,社会化问答APP逐渐受到用户青睐。然而社会化问答APP仍处在发展阶段,其亟需完善平台信息质量、社交质量、服务质量等以提升用户满意度,促进社会化问答平台的可持续发展。本研究首先基于信息系统成功理论、感知价值理论、技术接受模型、媒介丰富度理论、心流理论、用户满意度理论,结合社会化问答APP自身特点确定了信息质量、社交质量、媒介丰富度、感知价值、感知易用性、心流体验和用户满意度七个研究变量,提出影响社会化问答APP大学生用户满意度的相关假设,构建本研究影响因素模型。其次,本研究进行问卷设计与收集,筛选出322份有效样本进行后续研究,利用SPSS 26和AMOS 26软件进行数据统计与分析,通过实证研究得出结论:信息质量、社交质量、媒介丰富度、感知价值、感知易用性、心流体验均会对社会化问答APP大学生用户满意度产生影响。最后,从内容管理、评价体系、平台保障、服务质量四个方面为提升社会化问答APP用户满意度提出相应的优化建议,为社会化问答平台完善发展战略提供一定的参考。
基于在线评论文本分析的用户满意度影响因素研究——以京东商城手机为例
这是一篇关于用户满意度,TextRank关键词抽取,K-means聚类,LSTM情感分析的论文, 主要内容为近些年,互联网电子商务产业发展迅猛,赚取流量红利不能作为其盈利的主要途径。电商平台为了能在激烈的市场竞争中立足,不断寻求新的创新模式以适应消费者消费需求及消费偏好的变化。消费者基本需求得到满足后,对消费过程中的服务体验更加关注,这极大地影响了消费者忠诚度以及消费心理,因此电商平台在不断地进行产品服务升级。服务体验效果的优劣主要通过用户满意度来衡量,用户满意度以消费者对产品或服务进行打分和评论的方式来实现,避免了传统的人为设计调查问卷而出现信息遗漏的现象,且能有效降低成本。因此,从评论文本中提取出有效信息进行用户满意度研究显得极为必要。随着机器学习技术的广泛应用,出现了采用文本挖掘方法对评论文本进行分析的一系列研究,其中对评论文本进行用户满意度研究大部分是寻找用户关注维度,目前对不同维度进行具体分析的相关研究较少,且得出的结论较多是总体满意度。鉴于上述研究不足,本文采用文本挖掘的方法对用户满意度的各个影响因素进行改进,构建出一个完整的用户满意度指标体系。本文以京东商城购买手机后的评论文本为研究对象,基于自然语言处理技术,围绕消费者体验的用户满意度,对手机评论文本进行量化分析。文章的主要研究内容如下:首先,为提高文本分析的准确性,需要对文本数据进行预处理操作,主要包括文本去重与文本分词,文本去重可以剔除冗余文本,增加评论的有效性,文本分词是进行数据建模的基础。其次,进行用户满意度影响因素提取,需要对分词后的文本提取关键词以提高准确性,关键词提取方法选取了适合评论文本语料的方法TextRank算法,在此基础上进行关键词K-means聚类得出用户满意度影响因素,分别为价格、外观、物流、科技、性能、品牌、售后、赠品八大类。再次,对用户满意度影响因素进行实证分析,构建出一个包含指标情感值与指标权重的用户满意度指标体系框架。通过搭建神经网络LSTM模型来计算情感值,得到用户整体满意度与各影响因素的满意度。计算用户满意度指标权重考虑了两个因素,一是各影响因素的重要性,二是各影响因素表达情感与整体情感之间的一致性。将两个因素得分相乘得到用户满意度各影响因素的权重,结论表明各影响因素的影响能力强弱为:科技>性能>价格>品牌>物流>外观>赠品>售后,并且对不同手机品牌的满意度进行比较,得出结论认为,国产手机用户满意度高于非国产手机用户满意度,其中华为手机整体满意度最高,苹果手机整体满意度最低。最后,依据实证研究结果,本文对手机品牌商及消费者分别提出有指导意义的实质性建议。本文的创新之处有三点:(1)本文采用评论文本对用户满意度指标体系进行更新,并对用户满意度影响因素重新进行了归类和补充;(2)利用神经网络LSTM模型进行情感分析之前,通过SnowNLP工具进行数据标注,提高了情感分类的准确性,避免了使用评分进行数据标注时出现评分与评论不一致的问题;(3)计算用户满意度影响因素权重综合考虑了两个因素,一是影响因素的重要性,采用各影响因素包含的评论数与整体评论数的比例来衡量,二是各影响因素的情感倾向与整体情感倾向的一致性,将情感倾向由3个类别增加为5个类别,细化了情感倾向分类,提高了情感一致性分值的准确性。
基于满意度影响因素的女性向恋爱类手游设计优化研究
这是一篇关于女性向恋爱类手游,用户满意度,影响因素,文本挖掘的论文, 主要内容为随着互联网的飞速发展与智能手机的广泛普及,手机游戏逐渐成为人们主流的娱乐休闲方式之一,我国手游女性玩家数量也逐年上升。越来越多厂商开始研发女性向恋爱类手游,市场竞争逐渐激烈,此类手游需要不断优化迭代才能在市场占据一席之地。因此研究女性向恋爱类手游用户满意度影响因素并进行针对性地提升,对游戏开发者适应市场飞速变化的环境具有重要意义。传统的游戏用户满意度研究采用理论驱动模式提出满意度影响因素,需要耗费较多时间精力,而基于真实用户数据的文本挖掘技术能比较客观且高效地以数据驱动的方式提炼用户关注重点。由于女性向恋爱类手游玩家普遍会在社交平台发表自己对游戏的意见与感受,这些大量且真实的文本组成了文本挖掘的数据基础,因此本研究可运用文本挖掘技术探索女性向恋爱类手游用户满意度的影响因素,并将其应用于设计优化实践。基于用户满意度理论与文本挖掘方法,本研究提出面向女性向恋爱类手游用户满意度的影响因素挖掘与模型构建方法。首先采集手机应用商店的用户评论数据并对评论文本进行预处理,获取代表用户关注重点的特征词集合及其语义关联情况。再利用LDA主题模型算法对特征词进行分类,结合女性向恋爱类手游特征提炼归纳用户满意度影响因素。然后基于欧洲顾客满意度指数(ECSI)模型重构女性向恋爱类手游用户满意度模型,通过问卷法和统计分析对用户满意度模型进行实证研究并修正,并提出女性向恋爱类手游设计策略。在上述研究的基础上,对新上线的女性向恋爱类手游《少女的王座》进行用户满意度研究,在设计策略的指导下有针对性地进行游戏界面设计优化,最终通过用户测试验证了设计优化的有效性和设计策略的实用性。在理论意义上,本研究将大数据的文本挖掘技术应用于女性向恋爱类手游用户研究领域,提出了面向女性向恋爱类手游的用户满意度影响因素挖掘与模型构建方法,丰富了相关研究,也对其他类型游戏如何利用大数据进行用户满意度研究具有参考价值。在实践意义上,本文为提出的女性向恋爱类手游设计策略能为新上线的同类手游提供设计参考,有助于游戏开发者有重点地进行游戏优化设计。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕业设计客栈 ，原文地址：https://m.bishedaima.com/lunwen/48796.html
