在线评论有用性的影响因素探究 ——基于TripAdvisor的酒店评论数据
发布时间：2021-07-22 06:24
随着互联网的发展,综合性旅游网站逐渐兴起,为人们提供交通出行、酒店住宿、游玩攻略等各种信息。同时,随着生活水平的提高和经济的快速发展,人们出行的频率也越来越高,有的是旅游出行,有的是商务出行。旅游网站在人们出行前为人们提供了参考信息,而这也是让出行的人们进行信息反馈的平台。现在,越来越多的人愿意在网络上发表评论来分享商品信息和体验感受,这有助于评论浏览者进行更好的选择决策,更有助于网络平台的建设和商家对自身服务水平或商品质量的改进。在大数据时代,数据量越来越庞大,数据积累的速度越来越快。当面对大量评论,而时间和精力又不允许浏览所有评论时,评论有用性成为帮助浏览者快速获取有效信息的重要助力。通过对评论有用性的影响因素分析,旅游网站可以有选择性地向浏览者推送评论或为浏览者提供对重要影响因素的选择功能,满足不同浏览者的信息需求,同时提高他们的信息获取效率,进而获得浏览者对旅游网站的信任和青睐。而商家则可根据有用性评论反馈的信息,进行自我改善。本文着眼于在线评论和酒店行业,主要研究在线酒店评论有用性的影响因素。TripAdvisor是全球领先的旅游网站,提供来自全球旅游者的点评和建议,因此本文...
【文章来源】：东北财经大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图３－１?ＴｒｉｐＡｄｖｉｓｏｒ网站在线酒店评论示意图??３）其他变量：酒店星级（Ｓｔａｒ）??酒店星级主要为五星级酒店、四星级酒店和三星级酒店
３研究方法??逻辑示意图见图３－５。??０Ｄｉｒｉｃ?ｉｌｅｔ???Ｍｕｌｔｌｎｏｒｒｉｌｇ｝????？??ｋｅ?［１，Ｋ］?ｎｅ?［ｌ．ｉｖｊ??ｍ?ｅ?［１，Ｍ］??图３－５?ＬＤＡ模型的逻辑示意图??根据两个独立的Ｄｉｒｉｃｈｌｅｔ－Ｍｕｌｔｉｎｏｍｉａ丨共辆过程，可获得０ｍ和箏的后验分??布??Ｄｉｒ（０ｍ｜ａ）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｍ）?＝?Ｄｉｒ（０ｍ｜ａ?＋ｎｍ）?（３．３）??Ｄｉｒ（＾ｆｃ｜＾）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｆｃ）?＝?Ｄｉｒ（＾ｆｃ｜ｙＳ?＋?ｎｆｃ）?（３．４）??其中，Ｈｍ是主题ｋ在评论ｍ中出现的频数，该频数即评论ｍ中属于主题ｋ??的词语的数量，Ａ是词语ｔ在主题ｋ中出现的频数。经过推导，可获得联合分??布如下。??ｐ（ｗ，ｚ＼ｄｊ）?＝?ｐ（ｗ＼ｚｊ）ｐｄｚ＼ｄ）?＝?（３．５）??己知其他词语主题的条件下，评论ｍ的第ｎ个词语的主题的条件概率分布??（ｆａｌｌ?ｃｏｎｄｉｔｉｏｎａｌ?ｄｉｓｔｒｉｂｕｔｉｏｎ）如下。??（ｋ）?（ｔ）?？??＾?＝?＝?＾?＝?（３．６）??模型训练结束后，获得两个概率矩阵且这两个概率矩阵收敛：评论主题概??率矩阵（ＭｘＫ）和主题词汇概率矩阵（ＫｘＶ）。评论主题概率矩阵估计了每条??评论中，各主题出现的概率，主题词汇矩阵估计了每个主题中，各词语出现的??概率。??１７??
３研究方法??预测模型的预测效果好坏存在偶然性。因此采用不同数据集经过多次训练和预??测，得到的平均结果更能够代表预测模型的性能好坏和泛化能力。??ｋ折交叉验证方法将数据集平均分成ｋ个子样本，依次将这ｋ个子样本作为??测试集，同时将其他ｋ－１个子样本作为训练集进行训练，经过ｋ次训练后得到ｋ??个的结果。取这ｋ个结果的平均值作为最终正确率。??
【参考文献】：
期刊论文
[1]评分不一致性对在线评论有用性的影响——归因理论的视角[J]. 苗蕊,徐健. 中国管理科学. 2018(05)
[2]面向负面在线评论的情感强度对有用性的影响研究[J]. 蔡淑琴,秦志勇,李翠萍,袁乾,邹碧攀. 管理评论. 2017(02)
[3]基于淘宝网评论数据的信息质量对在线评论有用性的影响[J]. 张艳辉,李宗伟,赵诣成. 管理学报. 2017(01)
[4]搜索型商品评论有用性影响因素研究[J]. 何有世,李娜. 情报杂志. 2016(12)
[5]在线评论有用性投票的影响因素研究——基于商品类型的调节作用[J]. 王智生,李慧颖,孙锐. 管理评论. 2016(07)
[6]什么样的产品评论最有用?——在线评论数量特征和文本特征对其有用性的影响研究[J]. 江晓东. 外国经济与管理. 2015(04)
[7]在线评论有用性影响因素实证研究——基于Tripadvisor.com酒店评论数据[J]. 卓四清,冯永洲. 现代情报. 2015(04)
[8]时间间隔何时能够提高在线评论的有用性感知——基于归因理论的视角[J]. 汪涛,王魁,陈厚. 商业经济与管理. 2015(02)
[9]在线评论的感知有用性影响因素——基于在线影评的实证研究[J]. 闫强,孟跃. 中国管理科学. 2013(S1)
[10]消费者认为怎样的在线评论更有用?——社会性因素的影响效应[J]. 殷国鹏. 管理世界. 2012(12)
本文编号：3296625
【文章来源】：东北财经大学辽宁省
【文章页数】：64 页
【学位级别】：硕士
【部分图文】：
图３－１?ＴｒｉｐＡｄｖｉｓｏｒ网站在线酒店评论示意图??３）其他变量：酒店星级（Ｓｔａｒ）??酒店星级主要为五星级酒店、四星级酒店和三星级酒店
３研究方法??逻辑示意图见图３－５。??０Ｄｉｒｉｃ?ｉｌｅｔ???Ｍｕｌｔｌｎｏｒｒｉｌｇ｝????？??ｋｅ?［１，Ｋ］?ｎｅ?［ｌ．ｉｖｊ??ｍ?ｅ?［１，Ｍ］??图３－５?ＬＤＡ模型的逻辑示意图??根据两个独立的Ｄｉｒｉｃｈｌｅｔ－Ｍｕｌｔｉｎｏｍｉａ丨共辆过程，可获得０ｍ和箏的后验分??布??Ｄｉｒ（０ｍ｜ａ）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｍ）?＝?Ｄｉｒ（０ｍ｜ａ?＋ｎｍ）?（３．３）??Ｄｉｒ（＾ｆｃ｜＾）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｆｃ）?＝?Ｄｉｒ（＾ｆｃ｜ｙＳ?＋?ｎｆｃ）?（３．４）??其中，Ｈｍ是主题ｋ在评论ｍ中出现的频数，该频数即评论ｍ中属于主题ｋ??的词语的数量，Ａ是词语ｔ在主题ｋ中出现的频数。经过推导，可获得联合分??布如下。??ｐ（ｗ，ｚ＼ｄｊ）?＝?ｐ（ｗ＼ｚｊ）ｐｄｚ＼ｄ）?＝?（３．５）??己知其他词语主题的条件下，评论ｍ的第ｎ个词语的主题的条件概率分布??（ｆａｌｌ?ｃｏｎｄｉｔｉｏｎａｌ?ｄｉｓｔｒｉｂｕｔｉｏｎ）如下。??（ｋ）?（ｔ）?？??＾?＝?＝?＾?＝?（３．６）??模型训练结束后，获得两个概率矩阵且这两个概率矩阵收敛：评论主题概??率矩阵（ＭｘＫ）和主题词汇概率矩阵（ＫｘＶ）。评论主题概率矩阵估计了每条??评论中，各主题出现的概率，主题词汇矩阵估计了每个主题中，各词语出现的??概率。??１７??
３研究方法??预测模型的预测效果好坏存在偶然性。因此采用不同数据集经过多次训练和预??测，得到的平均结果更能够代表预测模型的性能好坏和泛化能力。??ｋ折交叉验证方法将数据集平均分成ｋ个子样本，依次将这ｋ个子样本作为??测试集，同时将其他ｋ－１个子样本作为训练集进行训练，经过ｋ次训练后得到ｋ??个的结果。取这ｋ个结果的平均值作为最终正确率。??
【参考文献】：
期刊论文
[1]评分不一致性对在线评论有用性的影响——归因理论的视角[J]. 苗蕊,徐健. 中国管理科学. 2018(05)
[2]面向负面在线评论的情感强度对有用性的影响研究[J]. 蔡淑琴,秦志勇,李翠萍,袁乾,邹碧攀. 管理评论. 2017(02)
[3]基于淘宝网评论数据的信息质量对在线评论有用性的影响[J]. 张艳辉,李宗伟,赵诣成. 管理学报. 2017(01)
[4]搜索型商品评论有用性影响因素研究[J]. 何有世,李娜. 情报杂志. 2016(12)
[5]在线评论有用性投票的影响因素研究——基于商品类型的调节作用[J]. 王智生,李慧颖,孙锐. 管理评论. 2016(07)
[6]什么样的产品评论最有用?——在线评论数量特征和文本特征对其有用性的影响研究[J]. 江晓东. 外国经济与管理. 2015(04)
[7]在线评论有用性影响因素实证研究——基于Tripadvisor.com酒店评论数据[J]. 卓四清,冯永洲. 现代情报. 2015(04)
[8]时间间隔何时能够提高在线评论的有用性感知——基于归因理论的视角[J]. 汪涛,王魁,陈厚. 商业经济与管理. 2015(02)
[9]在线评论的感知有用性影响因素——基于在线影评的实证研究[J]. 闫强,孟跃. 中国管理科学. 2013(S1)
[10]消费者认为怎样的在线评论更有用?——社会性因素的影响效应[J]. 殷国鹏. 管理世界. 2012(12)
本文编号：3296625
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3296625.html
