基于混合神经网络的中文在线评论产品特征提取及消费者需求分析
TP391%F274; [目的]从中文在线评论中提取产品特征,并结合评论内容对消费者需求进行分析.[方法]首先提出一种混合神经网络(HNN)模型用于从中文在线评论中提取产品特征,进一步将关键事件技术及抱怨和赞扬分析理论应用到Kano模型中,对产品特征进行分类和优先级排序.[结果]HNN模型的F1值达到94.85%,比变体基准模型平均提高10.52个百分点,比业界其他模型平均提高9.47个百分点.[局限]所提方法是一种监督方法,对标记信息的需求限制了其应用.[结论]所提方法通过解决中文产品特征提取的问题,提升了产品特征提取的精度.结合提取的特征进行消费者需求分析,对产品特征进行分类和优先级排序,...
Gespeichert in:
Veröffentlicht in: | 数据分析与知识发现 2023-10, Vol.7 (10), p.63-73 |
---|---|
Hauptverfasser: | , , |
Format: | Artikel |
Sprache: | chi |
Online-Zugang: | Volltext |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | TP391%F274; [目的]从中文在线评论中提取产品特征,并结合评论内容对消费者需求进行分析.[方法]首先提出一种混合神经网络(HNN)模型用于从中文在线评论中提取产品特征,进一步将关键事件技术及抱怨和赞扬分析理论应用到Kano模型中,对产品特征进行分类和优先级排序.[结果]HNN模型的F1值达到94.85%,比变体基准模型平均提高10.52个百分点,比业界其他模型平均提高9.47个百分点.[局限]所提方法是一种监督方法,对标记信息的需求限制了其应用.[结论]所提方法通过解决中文产品特征提取的问题,提升了产品特征提取的精度.结合提取的特征进行消费者需求分析,对产品特征进行分类和优先级排序,为产品管理者构建产品提升策略奠定基础. |
---|---|
ISSN: | 2096-3467 |
DOI: | 10.11925/infotech.2096-3467.2022.0872 |