在线评论有用性的深度数据挖掘——基于TripAdvisor的酒店评论数据

摘要：

在线评论有用性有助于浏览者快速获取有效信息.本文以双重过程理论的启发式—系统式(HSM)模型为理论基础,基于TripAdvisor的酒店评论,采用Word2Vec、LDA和机器学习等方法量化变量,通过多元回归对评论有用性的影响因素进行分析.研究发现:(1)基于HSM模型建立的有用性影响因素理论模型,将影响因素分为启发式和系统式线索.在启发式线索中,评论长度与有用性呈倒U型关系,历史评论数、评论时间、是否有照片存在正面影响,评论者类型不同影响不同;在系统式线索中,所有评论主题、评论负面程度均存在正面影响.(2)采用Word2Vec方法计算零有用票数评论的有用性得分,弥补了有用性量化的缺失;采用表现更优的三种机器学习方法(LR、NB、SVM)进行情感分析,并证明所得情感得分优于评论评分对评论情感的衡量.本文以双重过程理论为框架,系统分析了评论有用性的影响因素,更加准确地解释了顾客酒店体验的真实感受,对评论平台和酒店未来需提升的维度和发展方向有一定的借鉴意义.

关键词：评论有用性、HSM、语义分析、情感分析、机器学习

所属期刊栏目：23

分类号：TP391;TP181;F724.6

资助基金：辽宁省教育厅科学研究项目;东北财经大学校级创新团队项目;东北财经大学社会服务能力提升项目

在线出版日期：2020-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：64-75