首页 > 文献资料
-
基于深度LSTM神经网络的在线消费评论情感分类研究
目的:探索深度神经网络在情感分类方面的应用.方法:采用长短型记忆神经网络构造在线消费评论情感的分类器,对收集的消费评论进行二分类的情感分析.结果:LSTM模型的准确率为89.29%,优于实验对照SVM模型的86.10%,深度神经网络模型在本文的情感分类中的准确率较高.结论:使用深度神经网络对消费评论的情感进行分类,可减少人工特征的干预,提高在线消费评论情感分类的效率.
-
基于大数据的网上药店在线评论影响因素
目的 基于大数据环境,应用热点挖掘系统结构模型,对网上药店在线评论的影响因素进行研究.方法 首先运用ICTCLAS和AntConc等工具提取评论文本中的热点词,其次描述规范化的数据表示形式,后通过Chameleon聚类算法实现热点评论的聚类和话题抽取,并对识别得到的热点评论进行分析.结果 通过对识别得到的热点评论进行分析,得到了影响网上药店在线评论的主要因素,并通过层次分析法和问卷调研法,计算得到网上药店在线评论影响因素的排名顺序.结论 消费者在网上药店消费过程中更加关注网上药店经营的规范性、商品物流配送和与医保衔接的问题,可以为网上药店提高消费者信任和药品销售量提供决策依据.
-
患者在线评论行为影响因素的实证研究-以挂号网为例
目的/意义 在线医疗社区中影响患者发表在线评论这一行为受到多种因素的影响.从医生和医院两个层面的信誉探讨影响消费者发表在线评论,有助于医生和医院对患者的在线评论引起重视.方法 /过程 研究基于已有理论基础,研究医生信誉与医院信誉对患者发表在线评论的影响,此外,我们探讨医院信誉的调节作用.以挂号网为样本,利用网络爬虫采集数据,并使用SPSS对数据进行回归分析.结果 /结论 研究结果表明医生信誉、医院信誉对患者发表在线评论有积极作用,医院信誉能够积极影响医生信誉与患者发表在线评论的关系.