UGC情感倾向对消费者购买意愿的影响研究——基于内容型社交电商平台
这是一篇关于UGC,情感倾向,感知风险,感知可信度,购买意愿的论文, 主要内容为截止2021年底,社会电子商务市场规模发展已超万亿,快速的增长带来了巨大的经济效益和社会效益。以抖音、小红书为主要代表的内容型社交电商平台更是受到社会大众的青睐。用户生成内容(UGC)是内容型平台的主要内容生产模式。UGC对消费者购买意愿的影响至关重要。目前国内关于UGC情感倾向的研究主要是针对单独的积极或消极倾向的影响,而将多种情感倾向对于购买者意愿的影响加以比较研究的则比较少,并且国内关于混合中性情感倾向的UGC的研究更是相对较少。因此本文基于SOR理论,构建了从积极、消极以及混合中性的UGC情感倾向出发,以感知风险和感知可信度两个变量作为中介,最终影响购买意愿的理论模型,并针对模型中变量间的关系提出假设,并以小红书平台为实验背景,采用情景实验的方法收集数据,验证所提出的一系列假设,借助SPSS软件对实验所回收的数据展开描述性统计、信效度分析、相关性分析等,并借助process插件,对感知可信度与感知风险的中介作用进行了验证。研究结果表明,对于消费者来说,总体上积极倾向UGC比消极倾向UGC更能够增加消费者的购买意愿,而混合中性UGC对于消费者来说更加真实、客观、可信;相比于高情感强度积极UGC,混合中性UGC情境下的购买意愿更高。此外,感知可信度会对购买意愿产生积极的影响,感知风险会对购买意愿产生消极的影响。情感强度的调节作用与感知可信度、感知风险的中介作用成立,模型假设均得到验证。根据实验结果,本文从平台本身以及品牌商家两个角度针对如何更好的提升用户体验与购买意愿给出了一些管理建议,并总结了本文实验研究的局限性与未来的研究展望。
调味品行业顾客感知分析——基于电商用户评论的文本挖掘
这是一篇关于电商评论,文本挖掘,情感倾向的论文, 主要内容为网络购物已经成为现代生活不可或缺的一部分,对于顾客的购物感受研究具有长足意义。其中一个重要研究方向是评论文本研究,对于不同的行业以及不同的商品类型,其评论能带给研究者不同方面的思考与结论。本文的目的是通过文本情感分析,透过三家调味品龙头企业,找寻潜在的行业共性、对比三家企业各自经营优势劣势,管窥调味品行业的顾客感知,从而把握行业的电商平台优势,以及其中存在的普遍问题,建立模型针对大量评论文本,得到有效的文本情感倾向分类方法,通过评论挖掘而非平台获取星级的方式快速得到客观准确的真实顾客感知。本文在文本挖掘技术的基础上,以情感分析技术作为主线,在文本收集与预处理关键技术方面,探索实现了评论文本爬虫,中文分词,停用词过滤,词性标注等;并在此基础上研究了文本词句的向量化、文本词向量聚类,以达到评论分类目的,基于情感词典构建评论情感倾向计算模型,并且用于后续的情感对比分析以及统计方法的建模与评估等实证分析。本文主要研究工作及方法包括:第一,本文使用网络爬虫技术,获取京东商城三家调味品龙头企业全部商品的所有可见评论。采集了平台中近15万条商品评论作为语料库。该语料库来自于消费者对调味品的主观评论,去除其中无效评论,对研究文本的情感倾向问题具有一定的意义。第二,通过情感词典方法,针对分词后评论文本重新进行情感打分。根据得分判断评论情感倾向,使用TF-IDF加权Word2vec方法对评论进行向量化。第三,向量化后的词语,使用k-means文本聚类进行词聚类,根据语句所处类别,进一步获得评论分类,得到评论的所有维度。第四,最终使用统计模型针对句向量和情感倾向建立情感分类模型,针对大量文本情况快速准确得到文本的情感倾向、检验前期情感词典的打分效果与倾向准确度。分别使用朴素贝叶斯、随机森林、多元逻辑回归方法,建立情感倾向分类模型,针对采用独热算法和TF-IDF加权Word2vec算法得到的句向量进行对比,最终后者得到了较高准确率。经过实证分析,对三个平台98751条有效文本进行聚类分析,根据手肘法并且结合实际需求得到9个维度分别为店铺、客服、品控、物流、售后、包装、口味、折扣及时间。由情感词典打分的结果:所有维度的情感倾向均为正向但差异悬殊,其中品控、折扣、物流三个维度情感倾向突出,均达到0.5,而售后与客服维度情感值存在较大提升空间,一种情况是商品本身出现问题,但客服人员的处理不能令人满意;另一种情况是快递物流出现问题,矛盾转向店铺。第三方面是客户未真实收获购买时预期的服务与优惠。在三个企业的差异上,HT企业的折扣满意度较其他两家企业偏高但品控维度较低。最终分别为调味品行业的电商发展以及三家企业提出建议,从行业的角度,结合分析结果,在维持品控的优势以及电商平台特有的价格优势同时,一是提高以顾客需求为导向的培养方式,二是优化人才引进培养流程,三是积累消费者反馈的问题及体验度,优化解决那些影响售后服务的环节。针对三家企业,电商平台应追求利润与质量之间的平衡关系,对于太过低于行业平均水平的企业进行惩罚。同时对于像XH企业这种不具有历史与地缘优势的企业,其优秀的商品概念、广泛的渠道拓展等手段,将成为其他行业企业想在激烈竞争中脱颖而出的可借鉴的途径。
基于喜好与情感倾向的微博信息推荐研究
这是一篇关于情感倾向,喜好,个性化推荐,聚类,微博的论文, 主要内容为伴随着中国互联网行业的迅速腾飞,微博等众多自媒体迅速发展,但同时也造成了信息过载等问题,导致用户难以获取所需信息,因此信息推荐技术孕育而生。虽然个性化信息推荐领域是当前研究的热点,但在现阶段还存在以下不足:要么信息推荐只考虑了用户的情感倾向;要么其只考虑了用户的兴趣;要么其考虑了其他因素而没有同时考虑喜好和情感倾向这两个主要因素。因此,为了探究喜好和情感倾向两种因素对个性化信息推荐带来的优势,本文提出了基于喜好和情感倾向的个性化微博信息推荐框架并基于此开发了一款微博个性化信息推荐系统。主要工作如下:(1)本文在FP-Growth算法基础上提出融合喜好度和时效性的微博分析方法。通过将喜好度和时效性转换成特征权值的方式融合到FP-Growth算法中挖掘出博文中用户所感兴趣的喜好分词。(2)本文采用基于词性注意力机制的神经网络模型(PAT-LSTM)对用户的情感倾向进行分类,主要包括积极和消极两大类。通过该模型主要筛选出含有消极情感倾向的人群,进而对这些人群进行个性化信息推荐。(3)将融合了喜好度与时效性的FP-Growth微博喜好分析方法和基于词性注意力机制的神经网络模型(PAT-LSTM)的用户情感倾向分析方法相结合,在基于Spring Boot框架基础上开发了一款基于喜好与情感倾向的微博信息推荐系统。该系统可以在分析出微博用户发表了含有消极情感倾向的博文之后,通过分析其相关博文信息,挖掘出用户的喜好,并根据喜好关键词进行相关文本爬取,根据系统最终给出的TOP-N微博文本推荐序列链接给用户推荐其所感兴趣的博文。本文通过Scrapy框架对实验数据进行爬取,总共获取到355189条微博文本数据,并对数据进行预处理后剩余29366条微博数据。经过PAT-LSTM模型分类后的准确率分别都达到了0.823和0.811,相比传统LSTM模型高了16.3%和9.1%。融合了喜好度和时效性的FP-Growth算法平均准确率也上升了1.89%。通过实验验证,得出的实验结果符合预期值。
文本挖掘在网购用户评论中的应用研究——以华为和苹果手机用户评论为例
这是一篇关于文本挖掘,网购,手机评论,主题模型,情感倾向的论文, 主要内容为2020年我们早已步入一个崭新的时代——大数据时代,信息化必然是当今时代发展的大势所趋。在日常生活中人们每天都在创造着大量的数据,而这些数据中往往蕴含着大量的未被发掘的信息。因此通过数据整合手段以及数据挖掘技术可以使这些蕴含的信息得以被发现并发挥其价值,作为参考依据为决策提供数据支持,为人们的生活提供便利。在这个时代背景下,网络购物早已走进千家万户,越来越多的人选择方便快捷的互联网来购买日常生活所需的种种物品,自然而然也就产生了大量的网购用户评论数据,而在如此规模庞大的文本数据中提取有价值的信息是十分困难的,文本挖掘技术则可以为该困难的解决带来希望。本文应用Python爬虫工具爬取了华为和苹果手机在淘宝和京东商城两个电商平台的用户评论数据,经过LDA主题建模和情感分析,确定手机用户对于手机产品的关注点和需求点,以及用户对于各款手机的各个特征的满意程度。通过此研究,一方面可以帮助欲购买用户进一步了解各款手机的优势和劣势,为其提供参考信息,进而辅助购买决策。另一方面可以帮助商户充分了解用户对手机的需求点和关注点,以及各款式手机现存的问题和优势,进而明确下一步的优化与改进方向,增强产品的用户满意度。本文的研究主要从四个部分进行。第一部分是数据获取,采用Python爬虫工具在两大线上购物平台——淘宝(含天猫商城)和京东商城上爬取华为和苹果手机的用户评论数据。第二部分主是数据清洗工作,对冗余数据进行处理,改善数据质量,修改数据格式,用jieba分词对评论数据进行分词。第三部分是词云可视化分析,以及建立LDA主题模型进行文本语义挖掘。第四部分是用百度API基于LDA主题模型结果对华为和苹果手机用户评论进行情感倾向分析。最终分析结果显示,手机用户的关注的手机特征主要是手机功能、手机配置、手机性能、价格,除此之外用户还关注购物过程的购物体验。从华为与苹果的情感分析对比结果看,华为手机在拍照效果、续航能力和性价比这三方面表现得更优秀,苹果手机在音质音效以及系统运行上更具优势。
在线评论有用性影响因素研究——基于STEAM网站数据
这是一篇关于在线评论有用性,评论内容,情感倾向,评论者信息,商品类型的论文, 主要内容为互联网的持续发展为网络购物和线上消费持续提供增长驱动,网络购物产业持续保持高位发展,加之新冠疫情的影响,线上消费成为很多消费者主动或被动的选在的主要消费方式,随之而来的,是在线评论数据的持续爆炸式增长。在网络信息超载的大环境下,评论信息作为最易获取的商品信息源,是买卖双方的第一道沟通桥梁,为消费者提供购买决策的参考建议,并且直接影响到品牌形象及口碑、用户忠诚度和产品营销效果。因此,如何衡量在线评论信息的有用性仍然是极具深入研究价值的课题。本研究首先整理了在线评论有用性的经典文献,归纳总结了在线评论有用性研究的经典理论。在研究对象方面,选取了游戏平台在线评论这一此前研究中还未涉及过的内容作为研究对象,为在线评论有用性研究扩充新的研究样本,同时也进一步研究了此前研究中较常讨论的在线评论有用性影响因素的普适性。而后,通过评论特征、评论者特征和评论互动特征这三个维度入手,结合此前研究中常见的影响因素,以及根据本研究的研究对象挖掘的新增变量,构建了在线评论有用性影响因素的概念模型。在数据源方面,为了进一步提高研究样本的覆盖度及多样性,降低样本对于研究结果的偏差影响,本研究分别选取了5个畅销游戏及10个非畅销游戏,分别形成畅销游戏评论数据样本组以及非畅销游戏评论数据样本组。通过“八爪鱼”大数据爬虫软件,共获取13734条数据,其中畅销游戏评论数据12497条,非畅销游戏评论数据1237条。在根据研究假设需求完成数据筛选后,形成了最终符合样本要求的两个有效样本组,其中:畅销游戏评论数据样本组包含5217条数据,非畅销游戏评论数据样本组包含524条数据。而后,通过Python,使用Boson情感词典对评论文本数据进行文本挖掘处理,计算评论语义中的情绪强度。在完成以上处理后,选取了三个维度共计7项自变量指标进行研究,通过STATA17进行回归验证,分析在线评论有用性的主要影响因素,得出以下结论:(1)评论特征方面:评论文本长度对于评论有用性起正向促进作用,评论时间、对于评论有用性存在抑制作用,评论平均各句长度以及评论情感倾向强度对于评论有效性无显著影响。(2)评论者特征方面。评论者游戏实践和评论者购买游戏数量对于评论有用性存在抑制作用。(3)评论互动特征方面。评论回复数量能够显著促进评论有用性的提升。最后,本研究从游戏平台评论管理和其他电商平台评论管理两方面,基于评论信息推荐系统的优化和如何提升评论质量的角度,提出部分建议,将本研究的结论推广至其他类型商品及平台,探索研究结论的普适性,以期促进平台的科学管理,最后结合本研究的主要研究内容和结论,回顾本研究尚存不足之处,展望未来研究方向。
文本挖掘在网购用户评论中的应用研究——以华为和苹果手机用户评论为例
这是一篇关于文本挖掘,网购,手机评论,主题模型,情感倾向的论文, 主要内容为2020年我们早已步入一个崭新的时代——大数据时代,信息化必然是当今时代发展的大势所趋。在日常生活中人们每天都在创造着大量的数据,而这些数据中往往蕴含着大量的未被发掘的信息。因此通过数据整合手段以及数据挖掘技术可以使这些蕴含的信息得以被发现并发挥其价值,作为参考依据为决策提供数据支持,为人们的生活提供便利。在这个时代背景下,网络购物早已走进千家万户,越来越多的人选择方便快捷的互联网来购买日常生活所需的种种物品,自然而然也就产生了大量的网购用户评论数据,而在如此规模庞大的文本数据中提取有价值的信息是十分困难的,文本挖掘技术则可以为该困难的解决带来希望。本文应用Python爬虫工具爬取了华为和苹果手机在淘宝和京东商城两个电商平台的用户评论数据,经过LDA主题建模和情感分析,确定手机用户对于手机产品的关注点和需求点,以及用户对于各款手机的各个特征的满意程度。通过此研究,一方面可以帮助欲购买用户进一步了解各款手机的优势和劣势,为其提供参考信息,进而辅助购买决策。另一方面可以帮助商户充分了解用户对手机的需求点和关注点,以及各款式手机现存的问题和优势,进而明确下一步的优化与改进方向,增强产品的用户满意度。本文的研究主要从四个部分进行。第一部分是数据获取,采用Python爬虫工具在两大线上购物平台——淘宝(含天猫商城)和京东商城上爬取华为和苹果手机的用户评论数据。第二部分主是数据清洗工作,对冗余数据进行处理,改善数据质量,修改数据格式,用jieba分词对评论数据进行分词。第三部分是词云可视化分析,以及建立LDA主题模型进行文本语义挖掘。第四部分是用百度API基于LDA主题模型结果对华为和苹果手机用户评论进行情感倾向分析。最终分析结果显示,手机用户的关注的手机特征主要是手机功能、手机配置、手机性能、价格,除此之外用户还关注购物过程的购物体验。从华为与苹果的情感分析对比结果看,华为手机在拍照效果、续航能力和性价比这三方面表现得更优秀,苹果手机在音质音效以及系统运行上更具优势。
UGC情感倾向对消费者购买意愿的影响研究——基于内容型社交电商平台
这是一篇关于UGC,情感倾向,感知风险,感知可信度,购买意愿的论文, 主要内容为截止2021年底,社会电子商务市场规模发展已超万亿,快速的增长带来了巨大的经济效益和社会效益。以抖音、小红书为主要代表的内容型社交电商平台更是受到社会大众的青睐。用户生成内容(UGC)是内容型平台的主要内容生产模式。UGC对消费者购买意愿的影响至关重要。目前国内关于UGC情感倾向的研究主要是针对单独的积极或消极倾向的影响,而将多种情感倾向对于购买者意愿的影响加以比较研究的则比较少,并且国内关于混合中性情感倾向的UGC的研究更是相对较少。因此本文基于SOR理论,构建了从积极、消极以及混合中性的UGC情感倾向出发,以感知风险和感知可信度两个变量作为中介,最终影响购买意愿的理论模型,并针对模型中变量间的关系提出假设,并以小红书平台为实验背景,采用情景实验的方法收集数据,验证所提出的一系列假设,借助SPSS软件对实验所回收的数据展开描述性统计、信效度分析、相关性分析等,并借助process插件,对感知可信度与感知风险的中介作用进行了验证。研究结果表明,对于消费者来说,总体上积极倾向UGC比消极倾向UGC更能够增加消费者的购买意愿,而混合中性UGC对于消费者来说更加真实、客观、可信;相比于高情感强度积极UGC,混合中性UGC情境下的购买意愿更高。此外,感知可信度会对购买意愿产生积极的影响,感知风险会对购买意愿产生消极的影响。情感强度的调节作用与感知可信度、感知风险的中介作用成立,模型假设均得到验证。根据实验结果,本文从平台本身以及品牌商家两个角度针对如何更好的提升用户体验与购买意愿给出了一些管理建议,并总结了本文实验研究的局限性与未来的研究展望。
新冠疫情防控常态化下微博评论情感倾向与归因分析
这是一篇关于新冠肺炎疫情,微博评论,情感倾向,归因理论的论文, 主要内容为在全球恶劣的新冠肺炎疫情大环境下,我国疫情呈现多地局部爆发和零星散发状态。对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析,试图找出微博用户消极情感产生的主要因素,并为政府有关部门提出网络舆情疏导建议,具有一定的理论研究与实践意义。首先选取10-11月份学生秋季开学返校到春节的过渡时期下微博评论作为研究对象,使用八爪鱼采集器爬取了热门微博评论,对数据进行数据清洗、文本分词、去除停用词等预处理工作后,通过计算困惑度、提取主题词等操作构建LDA主题模型,基于LDA主题模型对有效的微博评论进行主题提取,对提取到的主题词进行归纳;同时通过绘制词云图、构建共词矩阵等操作对有效的微博评论进行社会网络分析,得到微博评论关键词的社会网络与中心性。接着使用情感分析工具百度智能云情感分析通用版分析每个主题下微博用户评论的情感倾向性,并通过Word2Vec、主成分分析法和支持向量机方法构建情感分类模型对样本数据的情感倾向分析结果进行验证,通过支持向量机模型的评价结果可以看出此前对样本数据进行的情感倾向分析结果具有一定的准确性。最后根据海德的归因理论,将评论归因框架的第一级评论归因维度设为内部归因和外部归因。并结合LDA主题提取结果和社会网络分析结果在第一级归因维度下建立评论归因框架的第二级归因维度,将内部归因分为心态和个人经验,外部归因分为事件起因、事件主体、衍生话题和其他。通过对新冠疫情防控常态化下微博用户的疫情相关评论进行情感倾向与归因分析发现微博用户的消极情感主要由个人经验、事件起因、事件主体、衍生话题等因素产生,据此得出相应的舆情疏导建议:(1)新冠肺炎疫情专家答疑解惑;(2)确诊病例信息及时公布;(3)关注新冠肺炎疫情话题产生的二次舆情;(4)宣传正能量抗疫人物;(5)防疫工作保持高效性;(6)落实防疫责任人的惩治工作。
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：毕设海岸 ，原文地址：https://m.bishedaima.com/lunwen/55887.html
