服务价值分布特征的挖掘与分析

发布时间：2018-12-11 17:32

【摘要】：随着互联网产业的高速发展,越来越多的顾客希望从互联网这个方便快捷的渠道获取符合自身需求的服务提供者。在顾客面对众多的候选服务时,服务提供者希望自己提供的服务能迎合群体顾客的价值偏好,这就需要服务提供者改善其所提供的服务。在改善服务时,服务提供者有很多依据的源头,比如顾客评论,顾客浏览、选择、使用服务的行为等,其中顾客评论是最直接且容易获取的信息,而顾客浏览、选择、使用不同服务的行为是商家隐私。顾客评论中隐含着很多有价值的信息,这为服务的改善提供了重要依据。本课题中,评论信息中的有效信息被称为服务价值特征,即在服务交付过程中顾客所关注的能体现服务价值的特征。具体而言,本文的研究分别从以下4个方面展开:(1)服务价值特征挖掘及可视化:服务价值特征挖掘及可视化充分挖掘了点评网站中顾客留下的自然语言评论信息,采用一种启发式方法提取出服务价值特征,并利用相关算法将近义的服务价值特征进行合并,然后使用情感分析技术计算在语境中顾客对该服务价值特征的关注度。实验部分使用了美国加州最大的服务行业点评网站Yelp共计268万条顾客评论进行实验,挖掘出了大量有价值的服务价值特征,最后进行了验证试验验证了挖掘的有效性,并使用数据可视化的形式展示。(2)基于服务价值特征分布的服务推荐:基于服务价值特征分布的服务推荐在服务价值特征挖掘算法的基础上,提出了一种基于服务价值特征分布的服务推荐技术。与传统的推荐方法相比,该方法更能准确的分析出顾客的实际偏好,根据顾客偏好准确定位可能感兴趣的服务。经过实验,算法的各个指标相比经典算法均有明显提升,在预测精度和算法效率上都有着良好的表现。(3)服务价值特征关注度演化分析:在服务价值特征挖掘算法的基础上,对某服务提供者或某地区或某行业的某个服务价值特征按照某时间粒度大小将其分布成时间序列,利用卷积滑窗建模法和随机森林回归模型,预测了该服务价值特征在未来一段时间内关注度的演化趋势。实验结果显示,预测误差控制在较低的范围内。相比于传统的时间序列预测模型,在预测精度无较大差异的情况下,本模型在数据预处理复杂度上远胜于传统模型,这为服务提供者及时发现服务中的问题并及早改善提供了可能,同时也让创业者和投资者尽早洞察行业趋势,减少投资损失。(4)服务价值特征演化的相关性分析:验证了不同的服务价值特征之间的波动确实是存在相互影响的关系的。利用这一点依然可以为服务提供者提供帮助。当服务提供者需要改善某一服务价值特征时,服务提供者改进单一的服务价值特征可能对服务整体品质的提升不会有太大帮助。本部分采用目前先进的最大信息系数算法精确计算两服务价值特征之间的相关性,并以可视化的方式将高相关性服务价值特征进行展示,服务提供者可一次提升一组高相关性的服务价值特征集合,从而大大减小了服务提供者改善服务价值特征选择时的难度。本文论证了从顾客评论信息中挖掘服务价值特征的可行性,第二部分基于此针对顾客研究了一种新颖的服务推荐技术。第三部分为了使服务提供者提升服务质量研究了高效精准的服务价值特征关注度演化预测模型,第四部分为服务提供者研究了高相关性服务价值特征分析方法,使服务提供者可以快速提升多方面服务的品质。最终使顾客、服务提供者、投资者、创业者四大类人群受益。
[Abstract]:......
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP391.1

【参考文献】