隨著電子商務的蓬勃發(fā)展,網(wǎng)購平臺聚集了眾多的商家,為消費者提供多種多樣的產品。面對日趨廣闊的網(wǎng)絡市場和日益激烈的同行競爭,研究網(wǎng)購平臺如何優(yōu)化其產品和服務,從而提高消費者的滿意度和忠誠度,增加產品銷量具有必要性和現(xiàn)實意義。在網(wǎng)購平臺運營和發(fā)展的過程中,產生了海量的與消費相關的數(shù)據(jù),包括產品評論、消費者投訴文本、廣告業(yè)務數(shù)據(jù)。這些數(shù)據(jù)包含了網(wǎng)購平臺中產品和服務的相關信息,因此,本論文從數(shù)據(jù)挖掘和文本挖掘的角度提出解決思路,為網(wǎng)購平臺優(yōu)化其產品和服務提供有效的技術、理論與方法。 本論文的研究思路如下:(1)產品評論中包含的大量噪聲詞和無關詞會帶來很多噪聲和無關的內容,而文本特征選擇方法能夠從中篩選出與產品優(yōu)缺點相關的關鍵詞,為生成產品評論摘要減少大量噪聲。(2)面對海量的產品評論,商家需要花費大量的時間從中獲得有關產品的重要信息,而產品評論摘要生成方法能夠根據(jù)產品評論生成簡潔易讀的摘要,解決海量產品評論帶來的“信息爆炸”問題。(3)網(wǎng)購流程的優(yōu)化有利于提高消費者的購物體驗,規(guī)范對商家的管理,減少購物糾紛,而目前有關網(wǎng)購平臺服務質量的研究基本是從平臺的整體入手,沒有從網(wǎng)購流程的角度出發(fā),研究...

【文章頁數(shù)】：188 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景
    1.2 研究意義
        1.2.1 理論意義
        1.2.2 實踐意義
    1.3 研究內容
        1.3.1 文本特征選擇方法研究
        1.3.2 產品評論摘要生成方法研究
        1.3.3 網(wǎng)購流程優(yōu)化方法研究
        1.3.4 廣告分類模型研究
    1.4 技術路線
    1.5 研究創(chuàng)新點
    1.6 組織結構
第二章 文獻綜述
    2.1 文本特征選擇
        2.1.1 基于“評分機制”的特征選擇
        2.1.2 基于“篩選機制”的特征選擇
        2.1.3 基于“優(yōu)化機制”的特征選擇
        2.1.4 研究評述
    2.2 產品評論摘要相關技術研究
        2.2.1 關鍵信息提取
        2.2.2 關鍵信息組織
        2.2.3 研究評述
    2.3 網(wǎng)購平臺服務質量研究
        2.3.1 基于經驗的分析方法
        2.3.2 基于研究成果或專家知識的分析方法
        2.3.3 基于問卷或實證的分析方法
        2.3.4 基于消費者數(shù)據(jù)的分析方法
        2.3.5 研究評述
    2.4 廣告效果評價研究
        2.4.1 影響因素研究
        2.4.2 評價模型研究
        2.4.3 研究評述
    2.5 本章小結
第三章 基于深度學習的特征選擇方法研究
    3.1 引言
    3.2 理論基礎
        3.2.1 文本特征選擇
        3.2.2 CNN原理
        3.2.3 LSTM單元結構
    3.3 特征選擇方法研究
        3.3.1 特征選擇的原理
        3.3.2 CNN-FS原理
        3.3.3 LSTM-FS原理
    3.4 特征選擇比較實驗
        3.4.1 實驗設置
        3.4.2 文本分類比較實驗分析
        3.4.3 語義比較實驗分析
        3.4.4 稀疏度比較實驗分析
        3.4.5 CNN-FS與 LSTM-FS的比較
    3.5 本章小結
第四章 產品評論摘要生成方法研究
    4.1 引言
    4.2 基礎理論
        4.2.1 產品評論摘要
        4.2.2 LDA主題模型
        4.2.3 LSTM網(wǎng)絡
    4.3 產品評論摘要生成方法的原理
        4.3.1 關鍵信息提取模塊
        4.3.2 關鍵信息組織模塊
        4.3.3 摘要生成方法的偽代碼
        4.3.4 例子演示
    4.4 產品評論摘要生成實驗
        4.4.1 數(shù)據(jù)集
        4.4.2 LDA最優(yōu)主題個數(shù)分析
        4.4.3 產品評論摘要實例分析
    4.5 產品評論摘要生成系統(tǒng)展示
    4.6 本章小結
第五章 基于文本挖掘和PCN的網(wǎng)購流程優(yōu)化方法研究
    5.1 引言
    5.2 PCN的原理
    5.3 網(wǎng)購流程存在問題挖掘
        5.3.1 客服方面的問題
        5.3.2 商品方面的問題
        5.3.3 賣家方面的問題
        5.3.4 物流方面的問題
    5.4 網(wǎng)購流程優(yōu)化研究
        5.4.1 網(wǎng)購流程的PCN描述
        5.4.2 網(wǎng)購流程的PCN優(yōu)化
    5.5 網(wǎng)購流程優(yōu)化策略建議
        5.5.1 客服服務質量提升
        5.5.2 售前商品管理
        5.5.3 商家發(fā)貨管理
    5.6 本章小結
第六章 基于高斯濾波和決策樹的廣告分類模型研究
    6.1 引言
    6.2 理論基礎
        6.2.1 高斯濾波
        6.2.2 決策樹
    6.3 廣告分類模型
        6.3.1 GF數(shù)據(jù)處理
        6.3.2 有效和無效廣告分類
        6.3.3 模型的偽代碼
    6.4 廣告分類實驗
        6.4.1 數(shù)據(jù)集
        6.4.2 實驗設置
        6.4.3 實驗結果和討論
    6.5 本章小結
第七章 總結與展望
    7.1 研究總結
    7.2 管理建議
    7.3 研究展望
參考文獻
攻讀博士學位期間取得的研究成果
致謝
附件



本文編號：3808750