基于文本挖掘的笔记本电脑在线评论研究
发布时间:2022-02-20 18:43
随着互联网的迅速普及,人们的生活方式、工作方式都出现了巨大的转变,笔记本电脑以高效、便携等优势迅速成为了长期娱乐和工作的首选设备。电脑品牌的多样化,使得市场竞争更加激烈,这就对笔记本本身的性能以及售后服务等各个方面提出了更高的要求,而如何在保留原有优点的基础上改进缺点从而提升自身竞争力就显得十分重要。因此本文以笔记本电脑为研究对象,以产品改进作为研究目的,主要做了以下几部分内容:第一部分确定了文章的具体研究对象以及研究方法。本文以京东平台下市场占有率为依据,选择联想、惠普、戴尔为研究对象,并选择三大品牌下的热门产品进行文本挖掘研究,根据其评论信息为产品改进决策提供参考。确定好研究对象后阅读相关文献,从而确定文章的研究方法。第二部分包含各品牌笔记本电脑参数的描述性分析和各品牌评论内容的热评词对比。首先使用网络爬虫方法从京东平台爬取了联想、惠普及戴尔三大品牌的热销笔记本电脑的一系列电脑参数。然后将搜集后的数据进行直观地展示,即采取描述性统计方法对现有三大品牌的热销产品进行大致情况的分析,以便对其有个初步的了解。最后将三大品牌消费者的评论热词以词云图的形式呈现,并进行对比分析。第三部分包含电...
【文章来源】:河北经贸大学河北省
【文章页数】:47 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文内容及创新点
1.3.1 论文内容
1.3.2 创新点
1.4 论文结构图
2 预备知识
2.1 爬虫
2.2 LDA主题模型
2.3 情感分析
2.4 语义网分析
3 电脑品牌的描述性分析
3.1 三大品牌笔记本电脑参数情况分析
3.2 三大品牌笔记本电脑热评词分析
4 基于产品改进的评论深度挖掘
4.1 数据来源
4.2 数据预处理
4.2.1 数据清洗
4.2.2 数据有用性分析
4.3 电脑属性评价指标的确定
4.4 电脑属性评价体系的建立
4.5 品牌差评因素分析
5 总结与展望
5.1 总结
5.1.1 结论
5.1.2 建议
5.2 展望
参考文献
作者简历
致谢
【参考文献】:
期刊论文
[1]基于集成学习的在线评论情感倾向分析[J]. 高欢,那日萨,杨凡. 情报科学. 2019(11)
[2]基于均值漂移算法的文本聚类数目优化研究[J]. 赵华茗,余丽,周强. 数据分析与知识发现. 2019(09)
[3]基于核函数的改进k-means文本聚类[J]. 张国锋,吴国文. 计算机应用与软件. 2019(09)
[4]基于词嵌入辅助机制的情感分析[J]. 韩旭丽,曾碧卿,曾锋,张敏,商齐. 计算机科学. 2019(10)
[5]在线口碑数量、效价及情绪传递对产品价值感知的影响[J]. 吴卿毅,黄斐. 商业研究. 2019(06)
[6]基于评论大数据的手机产品改进[J]. 杨程,谭昆,俞春阳. 计算机集成制造系统. 2020(11)
[7]在线评论有用性的影响因素研究——基于商品类型的调节效应[J]. 游浚,张晓瑜,杨丰瑞. 软科学. 2019(05)
[8]面向产品设计改进的在线评论挖掘[J]. 王克勤,毋凤君. 计算机工程与应用. 2019(19)
[9]基于京东商城评价数据的在线商品好评、中评、差评比较研究[J]. 杨东红,吴邦安,陈天鹏,薛红燕. 情报科学. 2019(02)
[10]在线评论有用性的影响因素分析[J]. 杨秋韵,陈福娣. 企业改革与管理. 2019(02)
本文编号:3635612
【文章来源】:河北经贸大学河北省
【文章页数】:47 页
【学位级别】:硕士
【文章目录】:
摘要
abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.3 论文内容及创新点
1.3.1 论文内容
1.3.2 创新点
1.4 论文结构图
2 预备知识
2.1 爬虫
2.2 LDA主题模型
2.3 情感分析
2.4 语义网分析
3 电脑品牌的描述性分析
3.1 三大品牌笔记本电脑参数情况分析
3.2 三大品牌笔记本电脑热评词分析
4 基于产品改进的评论深度挖掘
4.1 数据来源
4.2 数据预处理
4.2.1 数据清洗
4.2.2 数据有用性分析
4.3 电脑属性评价指标的确定
4.4 电脑属性评价体系的建立
4.5 品牌差评因素分析
5 总结与展望
5.1 总结
5.1.1 结论
5.1.2 建议
5.2 展望
参考文献
作者简历
致谢
【参考文献】:
期刊论文
[1]基于集成学习的在线评论情感倾向分析[J]. 高欢,那日萨,杨凡. 情报科学. 2019(11)
[2]基于均值漂移算法的文本聚类数目优化研究[J]. 赵华茗,余丽,周强. 数据分析与知识发现. 2019(09)
[3]基于核函数的改进k-means文本聚类[J]. 张国锋,吴国文. 计算机应用与软件. 2019(09)
[4]基于词嵌入辅助机制的情感分析[J]. 韩旭丽,曾碧卿,曾锋,张敏,商齐. 计算机科学. 2019(10)
[5]在线口碑数量、效价及情绪传递对产品价值感知的影响[J]. 吴卿毅,黄斐. 商业研究. 2019(06)
[6]基于评论大数据的手机产品改进[J]. 杨程,谭昆,俞春阳. 计算机集成制造系统. 2020(11)
[7]在线评论有用性的影响因素研究——基于商品类型的调节效应[J]. 游浚,张晓瑜,杨丰瑞. 软科学. 2019(05)
[8]面向产品设计改进的在线评论挖掘[J]. 王克勤,毋凤君. 计算机工程与应用. 2019(19)
[9]基于京东商城评价数据的在线商品好评、中评、差评比较研究[J]. 杨东红,吴邦安,陈天鹏,薛红燕. 情报科学. 2019(02)
[10]在线评论有用性的影响因素分析[J]. 杨秋韵,陈福娣. 企业改革与管理. 2019(02)
本文编号:3635612
本文链接:https://www.wllwen.com/guanlilunwen/pinpaiwenhualunwen/3635612.html