基于社交媒体的企业行为识别及竞争研究

发布时间：2021-03-01 07:15

　　面对瞬息万变的市场环境,企业竞争愈演愈烈,企业不仅需要重视自身能力的发展,还要随时关注竞争对手在市场中的行为表现。了解竞争对手在市场中的行为是企业战略决策的重要组成部分[1,2],竞争对手的行为甚至会影响企业的策略选择。然而,传统的方式难以获取完整且及时的企业行为信息。幸运的是,越来越多的企业通过社交媒体平台与其利益相关者保持信息上的及时连接与沟通,产生了大量企业生成内容,这些内容包含了丰富的企业行为信息,具有重要的商业价值和研究价值。因此,本文首先从海量的社交媒体数据中识别出企业行为,然后基于社交媒体中的企业行为研究企业竞争。然而,从海量的社交媒体数据中识别企业行为进而研究企业竞争并非易事,存在如下挑战:1)社交媒体中的企业行为缺乏明确定义;2)非结构化的社交媒体数据信息抽取难度大;3)企业动态的竞争关系缺乏度量指标。为了应对以上挑战,本文首先利用算法识别海量社交媒体数据中的企业行为,再基于社交媒体中的企业行为识别企业动态竞争关系,最后分析企业自身或竞争企业的行为演化过程。具体的解决方案如下:首先,基于海量社交媒体数据的企业行为识别。本文明确定义了社交媒体中基于触发词组合的企业行为,... 

【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景
        1.1.1 企业竞争研究
        1.1.2 社交媒体中的企业行为
        1.1.3 企业行为识别
    1.2 研究内容
    1.3 研究意义与创新点
    1.4 论文框架
第二章 文献综述
    2.1 基于文本数据的企业行为识别
        2.1.1 文本特征选择
        2.1.2 基于短文本的企业行为分类
    2.2 企业竞争研究
        2.2.1 竞争者识别
        2.2.2 企业竞争分析
        2.2.3 企业在线情报挖掘
    2.3 本章小结
第三章 基于海量在线文本的企业行为识别
    3.1 企业行为识别概述
        3.1.1 社交媒体中的企业行为定义
        3.1.2 企业行为识别框架
    3.2 企业行为特征词挖掘
        3.2.1 数据获取与预处理
        3.2.2 问题定义
        3.2.3 强分类触发词识别
    3.3 企业行为触发词优化
        3.3.1 问题定义
        3.3.2 触发词丰富
        3.3.3 触发词特征优化算法
    3.4 文本中企业行为识别
        3.4.1 企业行为识别框架
        3.4.2 约束非负矩阵分解
        3.4.3 融合外部信息的约束非负矩阵分解
        3.4.4 企业行为预测
        3.4.5 文本中企业行为识别算法
    3.5 本章小结
第四章 企业竞争研究
    4.1 企业竞争研究框架
    4.2 问题定义
    4.3 企业-行为时序矩阵构建
    4.4 竞争关系识别
    4.5 企业行为演化
    4.6 本章小结
第五章 数据与实验
    5.1 数据说明
    5.2 FAE效果验证
    5.3 外部信息效果验证
        5.3.1 触发词标注信息
        5.3.2 文本标注信息
        5.3.3 图关系信息
        5.3.4 外部信息对矩阵分解的影响
    5.4 CNMF-Info行为识别效果验证
    5.5 企业竞争研究
        5.5.1 竞争者关系识别结果
        5.5.2 竞争企业行为演化
    5.6 本章小结
第六章 管理启示与讨论
    6.1 企业行为识别启示
    6.2 企业竞争研究启示
    6.3 研究方法的适用性探究
第七章 结论与展望
    7.1 研究结论
    7.2 研究贡献
    7.3 未来展望
致谢
参考文献
附录
攻读硕士学位期间取得的成果


【参考文献】：
期刊论文
[1]基于社交媒体的企业行为事件挖掘[J]. 邓文君,袁华,钱宇.  中文信息学报. 2018(10)
[2]基于风险决策的文本特征选择方法[J]. 赵世琛,王文剑,郭虎升.  计算机科学与探索. 2013(10)
[3]基于类别相关的新文本特征提取方法[J]. 林少波,杨丹,徐玲.  计算机应用研究. 2012(05)
[4]利用上下位关系的中文短文本分类[J]. 王盛,樊兴华,陈现麟.  计算机应用. 2010(03)
[5]一种基于N-Gram的垃圾邮件过滤方法研究[J]. 林伟,柳荣其,徐熙.  计算机应用与软件. 2010(02)
[6]基于量子遗传算法的特征选择算法[J]. 张葛祥,金炜东,胡来招.  控制理论与应用. 2005(05)
[7]基于相对词频的文本特征抽取方法[J]. 张鹏飞,李赟,刘建毅,钟义信.  计算机应用研究. 2005(04)
[8]一个基于语境框架的文本特征提取算法[J]. 晋耀红,苗传江.  计算机研究与发展. 2004(04)



本文编号：3057132