基于bp神经网络的在线评论效用影响因素研究

基于bp神经网络的在线评论效用影响因素研究

ID:31061236

大小:329.50 KB

页数:6页

时间:2019-01-05

基于bp神经网络的在线评论效用影响因素研究_第1页
基于bp神经网络的在线评论效用影响因素研究_第2页
基于bp神经网络的在线评论效用影响因素研究_第3页
基于bp神经网络的在线评论效用影响因素研究_第4页
基于bp神经网络的在线评论效用影响因素研究_第5页
资源描述:

《基于bp神经网络的在线评论效用影响因素研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于BP神经网络的在线评论效用影响因素研究赵丽娜1,2,韩冬梅1(1.上海财经大学信息管理与工程学院,上海200433;2.上海金融学院信息管理学院,上海201209;)摘要:依据信息采纳模型,从评论内容特征和评论者特征两方面考察影响在线评论效用的主要因素,构建了一个应用BP神经网络预测在线评论效用影响因素的模型UPBP。以亚马逊网站上商品的中文评论数据对模型进行实证分析,结果表明,评论深度、评论者可信度、评论者等级和评论情感倾向等因素对在线评论的效用影响较强。通过实验对UPBP和已往研究常用的回归模型的预测准确度进行了比较,实验结果验证UPBP的预测准确度高于传统回归模

2、型。本研究为电商企业管理在线评论提供了启示。关键字:神经网络;在线评论;效用中图分类号:T393文献标识码:A国家自然科学基金项目(41174007)ResearchonImpactFactorsofOnlineReviewsUtilityBasedonBPNeuralNetworkLi-naZHAO1,2,Dong-meiHAN1(1.SchoolofInformationManagementandEngineering,ShanghaiUniversityofFinanceandEconomics,Shanghai200433,China;2.SchoolofInfo

3、rmationManagement,ShanghaiFinanceUniversity,Shanghai201209,China)Abstract:Thispaperstudiedtheimpactfactorsofonlinereviewsutilityfromthecharacteristicsofreviewandrevieweraccordingtotheinformationadoptionmodel,andproposedtheUPBPmodelwhichisautilitypredictionmodelusinganeuralnetwork.Anempiri

4、calanalysisofonlinereviewsfromamazon.comindicatedthatreviewdepth,reviewerreliability,reviewerdegreeandextremeratingshadanintenseeffectontheutilityofthereview.AcomparisontestofpredictionaccuracybetweenUPBPandregressionmodelindicatedthatthepredictionaccuracyofUPBPwasbetterthantheregressionm

5、odel.Keywords:NeuralNetwork,OnlineReviews,Utility1引言随着互联网的迅速发展,人们的消费模式发生了重大变化。中国互联网络信息中心(CNNIC)发布了关于中国网络购物市场研究报告中指出[1],截至2012年12月底,我国网络购物用户规模为2.42亿,网民使用网络购物的比例提升至42.9%。同时,报告显示无论用户在线购买熟悉产品还是不熟悉的产品,在线评论对消费者制定购买决策的影响最大。在线评论是指用户发表在公司或第三方网站上的关于商品的评价[2]。很多电商网站允许用户在购买商品后发布关于该商品的评论,以供其他消费者参考,但是在线

6、评论的数量巨大且质量参差不齐,消费者很难快速的发现效用高的评论,进而辅助制定购买决策。因此,识别在线评论中哪些因素能影响评论的效用并对消费者决策起到辅助作用具有重要的意义。学术界对在线评论的效用影响因素已有很多研究,研究方法基本是先提出假设然后建立回归模型进行分析和验证[2,4-6]。然而,以往研究模型的拟合度都不是很高[6],而且很少有用神经网络来预测在线评论效用的影响因素。神经网络是数据驱动的自适应方法,不需要像传统回归模型一样需要事先设定假设,并且神经网络比回归模型能更好的处理数据之间的非线性关系。因此,本文构建了一个应用BP神经网络进行预测在线评论效用影响因素的模

7、型UPBP(autilitypredictionmodelusingabackpropagationneuralnetwork),此模型能够精确地预测出影响在线评论效用的因素,并且利用均方误差(MSE)对UPBP和回归模型的预测准确度进行了比较,实验结果验证,UPBP的预测准确度明显高于回归模型。本文研究能够帮助消费者更快速的找到高效用在线评论,进而辅助其制定购买决策,提高在线购物的效率,并且对企业进行在线评论管理具有一定的启示意义。2文献综述对在线评论效用的影响因素研究主要集中在评论文本内容的特征选取上[3]。Nelson按

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。