在线评论信息质量感知研究
发布时间：2021-12-16 09:13
互联网时代随着信息技术的飞速发展,电子商务交易模式及线上服务已风靡全球,在电商交易过程中,用户依赖网络口碑进行购物决策已成为常态。然而,随着用户生成内容的不断增多,在线评论作为用户生成内容的形式之一,其数量也在不断增长,信息超载的问题逐渐显现,大量涌现的在线评论会导致用户信息搜寻成本变高,消费者的决策效率更低,因此从大量评论中及时准确地发现有价值的信息变得愈加困难。由于用户的个体特征差异和任务特征差异,用户的认知水平和信息处理模式很难达成一致,在线评论信息质量感知具有极强的主观性,因此从大量评论中再进一步寻找高质量并且能够符合用户感知需求的评论信息也成为了更大的挑战。本研究以电子商务购物网站的在线评论为研究对象,以在线评论信息质量感知为研究核心,主要拟解决以下几个问题:1.从信息处理视角出发,构建了在线评论信息质量感知机理模型;2.应用信息丰富度理论,检验了信息丰富度、情感极性和产品类型三个影响因素在不同水平下,每个影响因素对在线评论信息质量感知的不同影响方向;3.基于耶鲁态度改变模型和线索利用理论,从评论信息的媒介、评论信息的内容、评论信息的来源方面,结合评论信息的接收者,构建了在线...
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：219 页
【学位级别】：博士
【部分图文】：
技术路线图
25示了用户生成内容、网络口碑和在线评论三者的关系。图2.1用户生成内容、网络口碑和在线评论三者的关系图2.1.3在线评论的作用Park等（2007）认为，在线评论可以同时为后来的消费者充当知情者（Informant）和推荐者（Recommender）两个角色[1]。（1）知情者。在线网站上的产品评论是产品信息的重要来源，与产品评论相关的同行评论具有信息参考价值，它可以满足购物者的功利目标[2]。在线购物者在做出购买决定时通常都会认为未知消费者发布的在线评论比卖家描述的产品信息更有价值。（2）推荐者。在线评论帮助用户获取产品知识、进行价格比较，将风险最小化，因此能够使用户迅速做出明智的决定，消费者通过浏览不同的评论以认知地评估与产品相关的提示。消费者能够主动收集信息并分享意见，因此消费者不再是产品信息的被动接收者，而是这些信息的积极生成者和分发者。O’Neil和Eisenmann（2017）研究了各种信息渠道的有效性，这些渠道最终会影响信息的可信度。他们确定了四种类型的信息渠道，即付费渠道（传统广告），收入渠道（传统新闻故事），共享渠道（消费者评论）和自有渠道（公司博客）。其中重要发现是，消费者对共享渠道（如在线消费者评论或社交媒体）的信任度最高[3]。[1]ParkDH,LeeJ,HanI.TheEffectofOn-LineConsumerReviewsonConsumerPurchasingIntention:TheModeratingRoleofInvolvement[J].InternationalJournalofElectronicCommerce,2007,11(4):125-148.[2]ChiuCM,WangETG,FangYH,etal.Understandingcustomers"repeatpurchaseintentionsinB2Ce-commerce:Therolesofutilitarianvalue,hedonicvalueandperceivedrisk[J].InformationSystemsJournal,2014,24(1):85-114.[3]O’Neil,Julie,EisenmannM.Anexaminationofhowsourceclassi
35图2.2LDA模型盘子表示法（3）基于词汇图模型的关键词抽取：基于词汇图模型的关键词抽取主要依据文本中词汇的结构信息测度词项重要性，不需要对文档集进行训练，其中TextRank算法为典型代表[1]。TextRank根据PageRank算法的启发而来，它是将文本转化为图模型，通过迭代计算出词的得分，利用投票机制对文本中的重要词语进行排序，排名靠前的词语即为关键词。其中，将文本转化为图模型是将文本看成句子集合T={S1,S2,…,Sn}，任一个句子Si∈T看作词语的集合Si={W1,W2,…,Wm}，构建图模型G=(V,E)，其中V=S1∪S2∪…∪Sn，当两个节点（词语）共现于任一个句子时，则节点间有边，否则无边[2]。2.5.2依存句法分析法国语言学家Tesniere于1959年在其著作《结构句法基捶中首次提出了依存句法的概念和研究理论[3]，目前依存句法已成为自然语言处理技术中十分重要的组成部分，在文本挖掘、搜索引擎、机器翻译等多个文本处理与分析领域应用广泛。依存句法分析，又称依存语法或依赖分析，是针对给定的句子序列应用某一依存语法体系对自然语言进行自动分析、构建句子对应的依存树的一种方法[4]。利用依存句法分析，能够获知文本的句法结构，得到句子中各个词语间的修饰关系[5]。依存句法分析的优势是，其更适合描述汉语文本中词语间句法结构的复杂关系，通过依存关系标签对文本中深层的句法结构和语义关系进行表示[6]。计算语言学中，每一个依存关系由核心词和修饰词构成，而核心词由一条依[1]MihalceaR,TarauP.TextRank:Bringorderintotexts[C].ProceedingsofEmpiricalMethodsinNaturalLanguageProcessing,Barcelona,Spain.2004:404-411.[2]徐立.基于加权TextRank的文本关键词提取方法[J].计算机科学,2019,46(S1):142-145.[3]刘海涛.依存语法和机器翻译[J].
【参考文献】：
期刊论文
[1]基于机器学习的网络评论信息有用性预测模型研究[J]. 杨东红,吴邦安,孙晓春. 情报科学. 2019(12)
[2]O2O平台在线评论对消费者采纳的影响研究[J]. 付跃强,夏天添. 技术经济与管理研究. 2019(11)
[3]结合词向量和词图算法的用户兴趣建模研究[J]. 聂卉. 数据分析与知识发现. 2019(12)
[4]基于酒店业数据的用户生成图片分享与炫耀动机探究[J]. 孙轻宇,徐健. 管理学报. 2019(10)
[5]不同文本长度的体验型产品在线评论时间序列研究——以电影评论为例[J]. 王军,李子舰,刘潇蔓. 图书情报工作. 2019(16)
[6]基于主题挖掘技术的文本情感分析综述[J]. 朱晓霞,宋嘉欣,张晓缇. 情报理论与实践. 2019(11)
[7]基于在线评论的区域需求偏好识别方法[J]. 王安宁,张强,彭张林,倪鑫. 中国管理科学. 2019(07)
[8]用户感知视角下影响知识付费平台信息资源质量的因素分析[J]. 韩梅. 图书情报工作. 2019(13)
[9]基于加权TextRank的文本关键词提取方法[J]. 徐立. 计算机科学. 2019(S1)
[10]面向多领域多来源文本的汉语依存句法树库构建[J]. 郭丽娟,彭雪,李正华,张民. 中文信息学报. 2019(02)
博士论文
[1]在线商品评论信息质量影响因素及提升策略研究[D]. 江彦.华中师范大学 2018
[2]网络社区交互对消费者购买意愿的影响[D]. 朱东红.华中科技大学 2012
[3]认知的自然起源与演化研究[D]. 陈剑涛.华中师范大学 2008
硕士论文
[1]电子商务使用行为由PC端向移动端转移的影响因素研究[D]. 王博.武汉大学 2018
[2]基于文本分析的在线评论质量评价模型研究[D]. 郭银灵.内蒙古大学 2017
[3]文本的特征提取及KNN分类优化问题研究[D]. 刘强.华南理工大学 2009
[4]基于主成分分析的综合评价研究[D]. 张鹏.南京理工大学 2004
本文编号：3537880
【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校
【文章页数】：219 页
【学位级别】：博士
【部分图文】：
技术路线图
25示了用户生成内容、网络口碑和在线评论三者的关系。图2.1用户生成内容、网络口碑和在线评论三者的关系图2.1.3在线评论的作用Park等（2007）认为，在线评论可以同时为后来的消费者充当知情者（Informant）和推荐者（Recommender）两个角色[1]。（1）知情者。在线网站上的产品评论是产品信息的重要来源，与产品评论相关的同行评论具有信息参考价值，它可以满足购物者的功利目标[2]。在线购物者在做出购买决定时通常都会认为未知消费者发布的在线评论比卖家描述的产品信息更有价值。（2）推荐者。在线评论帮助用户获取产品知识、进行价格比较，将风险最小化，因此能够使用户迅速做出明智的决定，消费者通过浏览不同的评论以认知地评估与产品相关的提示。消费者能够主动收集信息并分享意见，因此消费者不再是产品信息的被动接收者，而是这些信息的积极生成者和分发者。O’Neil和Eisenmann（2017）研究了各种信息渠道的有效性，这些渠道最终会影响信息的可信度。他们确定了四种类型的信息渠道，即付费渠道（传统广告），收入渠道（传统新闻故事），共享渠道（消费者评论）和自有渠道（公司博客）。其中重要发现是，消费者对共享渠道（如在线消费者评论或社交媒体）的信任度最高[3]。[1]ParkDH,LeeJ,HanI.TheEffectofOn-LineConsumerReviewsonConsumerPurchasingIntention:TheModeratingRoleofInvolvement[J].InternationalJournalofElectronicCommerce,2007,11(4):125-148.[2]ChiuCM,WangETG,FangYH,etal.Understandingcustomers"repeatpurchaseintentionsinB2Ce-commerce:Therolesofutilitarianvalue,hedonicvalueandperceivedrisk[J].InformationSystemsJournal,2014,24(1):85-114.[3]O’Neil,Julie,EisenmannM.Anexaminationofhowsourceclassi
35图2.2LDA模型盘子表示法（3）基于词汇图模型的关键词抽取：基于词汇图模型的关键词抽取主要依据文本中词汇的结构信息测度词项重要性，不需要对文档集进行训练，其中TextRank算法为典型代表[1]。TextRank根据PageRank算法的启发而来，它是将文本转化为图模型，通过迭代计算出词的得分，利用投票机制对文本中的重要词语进行排序，排名靠前的词语即为关键词。其中，将文本转化为图模型是将文本看成句子集合T={S1,S2,…,Sn}，任一个句子Si∈T看作词语的集合Si={W1,W2,…,Wm}，构建图模型G=(V,E)，其中V=S1∪S2∪…∪Sn，当两个节点（词语）共现于任一个句子时，则节点间有边，否则无边[2]。2.5.2依存句法分析法国语言学家Tesniere于1959年在其著作《结构句法基捶中首次提出了依存句法的概念和研究理论[3]，目前依存句法已成为自然语言处理技术中十分重要的组成部分，在文本挖掘、搜索引擎、机器翻译等多个文本处理与分析领域应用广泛。依存句法分析，又称依存语法或依赖分析，是针对给定的句子序列应用某一依存语法体系对自然语言进行自动分析、构建句子对应的依存树的一种方法[4]。利用依存句法分析，能够获知文本的句法结构，得到句子中各个词语间的修饰关系[5]。依存句法分析的优势是，其更适合描述汉语文本中词语间句法结构的复杂关系，通过依存关系标签对文本中深层的句法结构和语义关系进行表示[6]。计算语言学中，每一个依存关系由核心词和修饰词构成，而核心词由一条依[1]MihalceaR,TarauP.TextRank:Bringorderintotexts[C].ProceedingsofEmpiricalMethodsinNaturalLanguageProcessing,Barcelona,Spain.2004:404-411.[2]徐立.基于加权TextRank的文本关键词提取方法[J].计算机科学,2019,46(S1):142-145.[3]刘海涛.依存语法和机器翻译[J].
【参考文献】：
期刊论文
[1]基于机器学习的网络评论信息有用性预测模型研究[J]. 杨东红,吴邦安,孙晓春. 情报科学. 2019(12)
[2]O2O平台在线评论对消费者采纳的影响研究[J]. 付跃强,夏天添. 技术经济与管理研究. 2019(11)
[3]结合词向量和词图算法的用户兴趣建模研究[J]. 聂卉. 数据分析与知识发现. 2019(12)
[4]基于酒店业数据的用户生成图片分享与炫耀动机探究[J]. 孙轻宇,徐健. 管理学报. 2019(10)
[5]不同文本长度的体验型产品在线评论时间序列研究——以电影评论为例[J]. 王军,李子舰,刘潇蔓. 图书情报工作. 2019(16)
[6]基于主题挖掘技术的文本情感分析综述[J]. 朱晓霞,宋嘉欣,张晓缇. 情报理论与实践. 2019(11)
[7]基于在线评论的区域需求偏好识别方法[J]. 王安宁,张强,彭张林,倪鑫. 中国管理科学. 2019(07)
[8]用户感知视角下影响知识付费平台信息资源质量的因素分析[J]. 韩梅. 图书情报工作. 2019(13)
[9]基于加权TextRank的文本关键词提取方法[J]. 徐立. 计算机科学. 2019(S1)
[10]面向多领域多来源文本的汉语依存句法树库构建[J]. 郭丽娟,彭雪,李正华,张民. 中文信息学报. 2019(02)
博士论文
[1]在线商品评论信息质量影响因素及提升策略研究[D]. 江彦.华中师范大学 2018
[2]网络社区交互对消费者购买意愿的影响[D]. 朱东红.华中科技大学 2012
[3]认知的自然起源与演化研究[D]. 陈剑涛.华中师范大学 2008
硕士论文
[1]电子商务使用行为由PC端向移动端转移的影响因素研究[D]. 王博.武汉大学 2018
[2]基于文本分析的在线评论质量评价模型研究[D]. 郭银灵.内蒙古大学 2017
[3]文本的特征提取及KNN分类优化问题研究[D]. 刘强.华南理工大学 2009
[4]基于主成分分析的综合评价研究[D]. 张鹏.南京理工大学 2004
本文编号：3537880
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3537880.html
