基于LSTM-LDA算法和IPA分析的在线品牌社群用户关注热点研究

摘要：

[目的/意义]通过对在线品牌社群中的用户交流信息进行关注热点提取,探究企业如何有效运营在线品牌社群,形成以用户为中心的私域流量,有效提高用户黏性和品牌竞争力.[方法/过程]以爱卡大众汽车论坛用户评论数据为研究对象,基于LSTM-LDA融合算法,根据文档-主题相似度过滤边缘评论,其次在LSTM-LDA模型基础上引入时间参数信息,采取后离散分析方法,动态挖掘用户关注热点主题的关注度和满意度,最后构建IPA分析模型,分析用户关注热点主题发展态势.[结果/结论]用户对大众汽车的关注涉及汽车保养、汽车总体架构等8个主题,定位出当前处于优势区、保持区、改进区、弱势区的热点主题,实现对用户关注热点发展趋势的分析和评价,形成基于用户评论数据的建议、推断和决策.该研究着眼于在线社群评论文本分析研究,为在线社群用户需求挖掘提供新的理论研究方向,为企业借助在线社群增强与用户的信息交流、提升竞争力提供一定参考.

关键词：在线品牌社群;LSTM神经网络;LDA主题模型;IPA分析

所属期刊栏目：40

分类号：G353(情报学、情报工作)

资助基金：浙江省自然科学基金项目"在线品牌社群契约形成的机理与演化路径研究:社群成员微观异质性视角";教育部人文社会科学研究规划基金项目"社会阻抑对情绪劳动、顾客导向跨界行为的影响机制研究—以一线服务员工为例"

在线出版日期：2021-10-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：178-186