基于网络评论情感分析和QFD的产品改进设计

目的 分析产品在线网络评论,准确评估用户的使用反馈和需求信息,用于产品改进设计。方法 用网络爬虫采集购物网站的商品评论数据,引入百度AI开放平台的自然语言处理技术,对清洗后的评论数据进行情感分析,计算每条评论的情感极性,结合Nvivo文本分析和人工筛选,得到准确的用户评价。在质量功能展开(QFD)中,评论分析的结果用于产品的目标质量规划,根据质量屋得出的技术特性相对重要度,选择应重点改进的技术属性。结果 该方法发现了产品需要改进的多个重要设计问题,以无线手持吸尘器为例,对比传统调研方法的分析结果,验证该方法的有效性。结论 对网络评论大数据的AI情感分析结合QFD,能发现产品需要改进的大部分问题,具有重要的参考价值,能为产品改进设计提供新方法。     

基于词向量和CNN的书籍评论情感分析方法

针对在线书籍评论的情感分析问题,基于词向量和深度学习原理,提出了一种基于词向量和卷积神经网络(Convolutional Neural Networks, CNN)的书籍评论情感分类方法.实验结果表明,本方法对在线书籍评论的情感分类准确率达到92.99%,同时,此方法对于大量文本集的情感分析有很好的适用性.此外还研究了不同语料库、书籍评论词向量的维度、书籍评论数据集的大小等对情感分析结果的影响,实验结果显示,构建针对性的语料库,基于词向量和卷积神经网络的书籍评论情感分析方法是一种简单而有效的文本情感分析方法,该方法具有扩展性和对不同评论文本的适用性.     

基于Staay多情感等级的汽车消费者行为偏好研究

电子商务的蓬勃发展促使汽车消费者线上表达产品使用经验及购买意愿,为挖掘汽车消费者行为偏好,指导主机厂和汽车销售商产品改进和推广,利用汽车消费生态的线上文本评论信息,通过Staay多情感等级模型,研究影响汽车消费者购买行为的主要影响因素。首先,构建分析文本评论的多层级属性特征集,利用TF-IDF算法和情感词典构建实现属性特征提取;其次,为提升分类效率,设计并行朴素贝叶斯算法对评论信息进行情感分类。引入Staay多情感等级量化消费者评价情感,结合情感程度副词,计算属性特征情感值。最后,利用逆向情感法构建判断矩阵,提出Staay-AHP方法计算汽车消费偏好因素重要度。通过分析"汽车之家"的文本评论,结果显示"性价比"为消费者首要关注属性特征。     

基于差分进化的中文情感分类集成算法研究

情感分类是一种从文本中提取情感倾向的文本分类任务。集成学习通过结合几个分类器,在情感分类任务上能够获得比个体分类器更好的分类效果。但是,由于个体分类器在数据集上的表现不同,个体分类器在集成方法中的权重难以确定。针对集成学习中个体分类器的权重优化问题,提出一种基于差分进化优化个体分类器权重的集成分类方法,并将其应用于中文情感分类。以分类准确率为适应度值,通过差分进化算法优化5种个体分类器的权重组合,在3个领域的评论语料集上进行实验。实验结果表明,与一般的集成方法相比,该方法在中文情感分类上有更好的分类效果。     

一种基于影评文本情感分析的电影特征模型

鉴于网络影评已成为人们观影选择时的重要参考指标,如何能够利用影评数据挖掘出观众的观影感受,为其他用户提供可量化的参考和推荐,是本文试图解决的问题。本文通过对电影的评论进行文本情感分析和建模,分析出每一部电影的情感特征,并使用这一情感特征来进行影片聚类分析。在IMDB电影评论数据集上进行测试表明,此方法取得了较好的结果。     

基于TF-IDF和LDA主题模型的电影短评文本情感分析——以《少年的你》为例

通过python爬取豆瓣网站上《少年的你》的短评文本,对评论文本进行清洗并利用构建的分词词典和停用词词典分别进行分词处理和去停用词处理后得到较为规范化的文本.利用TF-IDF算法提取评论文本的关键词,以关键词为基础建立LDA主题模型,从定量的角度提取评论主题,从而分析观众对这部电影的情感态度和评论的热点话题,为消费者的购买行为提供一定的决策支持,同时为商品提供者提供一定的发展方向.     

基于文本情感分析的类型电影受众特征与偏好研究

受众特点对于电影来说极具重要性,不同类型电影的受众群体和受众偏好也各不相同,如何从海量用户行为数据中提取不同类型电影的受众特征,并从用户评论文本中挖掘用户对不同类型电影的偏好特点是本文研究的重点。本文主要基于文本情感分析算法,选取近年来上映影片的真实数据,从用户特征和用户行为角度,对各类型电影的自身特征、受众特征以及受众对不同类型电影的情感偏好等方面进行分析与挖掘。     

基于核超限学习机的中文文本情感分类

针对传统情感分类算法存在的参数学习困难及分类性能较低等问题,提出了一种基于核超限学习机的中文文本情感分类方法.首先通过信息增益对训练数据进行特征选择以降低输入维数,然后通过构建基于小波核超限学习机的分类器实现对中文文本的情感分类.实验结果表明,新方法参数学习容易,且其文本情感分类性能通常优于支持向量机和朴素贝叶斯.     

一种基于笔画宽度特征和半监督多示例学习的文本区域鉴别方法

考虑到文本区域鉴别在视频文本检测中的重要作用,提出了一种基于笔画宽度特征的文本区域鉴别方法,该方法通过分析候选文本区域中笔画宽度的分布,有效地区分文本和非文本区域。此外针对笔画宽度信息提取过程中存在未知极性参数的问题,提出了一种半监督多示例学习(SS-MIL)算法,该算法可以充分利用训练样本中不完整的监督信息,提高文本区域分类器的性能。基于上述方法,实现了一个完整的视频文本检测系统,并在具有代表性的数据集上对其进行了充分的实验,实验结果表明,基于笔画宽度特征和SS-MIL的文本区域鉴别方法能够有效地辨别文本区域,从而使该系统检测视频文本的综合性能达到较高水平。     

基于评论挖掘消费者偏好的蓝牙耳机设计策略

目的 本研究旨在从在线评论数据中挖掘消费者偏好信息,以探索蓝牙耳机设计的改良策略。 方法 使用Python爬虫抓取目标消费者评论,并通过数据挖掘和文本分析定位需求主题和