基于RF-BERT和UGC的用户需求识别及其发展趋势预测

摘要：

[目的/意义]通过社交网络平台中的用户生成内容(User-Generated Content,UGC)挖掘用户潜在需求,来帮助企业洞察市场变化趋势,进而优化研发产品和改进宣传策略.[方法/过程]首先利用TF-IDF技术和K-means算法提取在线评论中的产品属性特征,其次计算出每位用户评论中产品属性的情感值和关注度值后,通过RF-BERT模型对用户评论中的产品属性特征进行筛选和分类.最后运用Bi-LSTM模型预测分类后的产品属性情感偏向和关注度的波动情况进而得到用户需求的发展趋势.[结果/结论]以"汽车之家"的在线评论为例,实验结果揭示出了用户评论被定义为精选评论时不同产品属性特征的影响程度,展示出影响值较高的属性特征的情感和关注度的波动情况.[创新/局限]论文提出了 一种用户需求识别及其发展趋势预测的技术方案,为企业制定宣传策略和研发创新产品提供了参考.但选取的研究数据规模较小,后续研究中会扩大实验的样本注重研究结果的通用性.

关键词：文本挖掘、需求趋势、用户生成内容、情感分析、产品属性

所属期刊栏目：42

分类号：G252.0(图书馆学、图书馆事业)

资助基金：国家自然科学基金;上海市教育科学研究项目

在线出版日期：2024-06-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：132-142