本文關(guān)鍵詞：社會化媒體的環(huán)境掃描與情報分析

  更多相關(guān)文章： 環(huán)境掃描 設(shè)計科學 數(shù)據(jù)挖掘 社會化媒體 商務(wù)智能

【摘要】：環(huán)境掃描是組織在戰(zhàn)略管理中獲取外界信息的一種方法。環(huán)境掃描可以輔助管理者識別組織外部環(huán)境中潛在的風險和機會，并迅速響應(yīng)外部環(huán)境中的變化，從而使組織獲得競爭優(yōu)勢。如何從海量的信息中發(fā)掘并評估與自身企業(yè)或政府組織相關(guān)的信息，是環(huán)境掃描成功與否的關(guān)鍵。隨著Web2.0技術(shù)的迅猛發(fā)展，社會化媒體(如網(wǎng)絡(luò)論壇、博客、播客和社交網(wǎng)絡(luò)等)已經(jīng)成為人們溝通交流的重要平臺。社會化媒體中蘊含著大量用戶產(chǎn)生的內(nèi)容，這些內(nèi)容既包括有價值的最新資訊又聚集著廣大網(wǎng)民的觀點和經(jīng)驗。因此，對社會化媒體進行環(huán)境掃描，進而輔助組織獲取戰(zhàn)略決策相關(guān)的情報具有重要意義。 本文以管理信息系統(tǒng)領(lǐng)域中設(shè)計科學研究為范式，設(shè)計并開發(fā)商務(wù)智能組件從而滿足社會化媒體環(huán)境掃描與情報分析的需求。本文的研究目標是：(1)提出表征社會化媒體信息的特征提取方法和特征選擇方法；(2)設(shè)計數(shù)據(jù)挖掘算法，從海量的社會化媒體數(shù)據(jù)中提取有效信息；(3)構(gòu)建數(shù)據(jù)分析模型，評估社會化媒體中情報的有用性。本文的主要研究對象是社會化媒體中的文本內(nèi)容，我們著重分析文本內(nèi)容中所蘊含的話題、情感、事件、寫作風格以及交互模式等信息。 本文分為5個部分。第1章首先介紹研究背景，在系統(tǒng)地分析國內(nèi)外研究現(xiàn)狀的基礎(chǔ)上，明確提出本文的研究問題。第2章以信息獲取理論為核心，提出社會化媒體環(huán)境掃描的研究框架，支持決策者動態(tài)地組織、開發(fā)、以及選擇與決策過程需求相匹配的信息。依據(jù)第2章提出的研究設(shè)計方案，從第3章到第5章分別提出支持社會化媒體環(huán)境掃描與情報分析的相關(guān)技術(shù)和方法。其中，第3章提出面向社會化媒體環(huán)境掃描信息需求的文本特征提取方法，將基于文本內(nèi)容和領(lǐng)域知識的特征相結(jié)合，刻畫社會化媒體中所蘊藏的豐富信息。第4章提出面向社會化媒體環(huán)境掃描的信息收集方法，該方法基于半監(jiān)督式學習的文本分類技術(shù)，支持從海量的社會化媒體數(shù)據(jù)中提取與決策相關(guān)的有效信息。第5章對社會化媒體中情報的有用性進行分析，并著重剖析影響消費者對顧客評論感知有用性的因素。 本文的創(chuàng)新點可以概括為以下四個方面。第一，設(shè)計了支持社會化媒體環(huán)境掃描的系統(tǒng)模型。該模型可以有效地支持組織的環(huán)境掃描過程，包括信息收集、信息過濾、以及信息使用。第二，，提出了一種自動獲得領(lǐng)域知識文本特征的提取方法。這種特征提取方法可以有效地增強機器學習算法在文本分析中的性能。第三，提出了一種基于半監(jiān)督式機器學習的文本分類算法。該方法能夠有效地對社會化媒體中的多主題文本內(nèi)容進行分類。第四，構(gòu)建了對顧客評論進行有用性分析的理論模型。該模型揭示了消費者對顧客評論感知質(zhì)量的前因。這對在線零售商了解商品評論在消費者購買決策過程中的不同階段所發(fā)揮的作用具有重要理論意義；同時為在線零售商開展口碑營銷提供了實際參考。
【關(guān)鍵詞】：環(huán)境掃描 設(shè)計科學 數(shù)據(jù)挖掘 社會化媒體 商務(wù)智能
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2012
【分類號】：TP391.1;C931
【目錄】：

• 摘要4-6
• Abstract6-8
• 目錄8-14
• 第1章 緒論14-37
• 1.1 研究背景14-16
• 1.2 研究目的與研究意義16-18
• 1.2.1 研究目的17
• 1.2.2 研究意義17-18
• 1.3 國內(nèi)外研究文獻綜述18-34
• 1.3.1 環(huán)境掃描的研究范圍19-21
• 1.3.2 環(huán)境掃描中的“信號”偵測21-29
• 1.3.3 環(huán)境掃描中的信息處理和使用29-33
• 1.3.4 文獻評述33-34
• 1.4 研究內(nèi)容和技術(shù)路線34-37
• 1.4.1 研究內(nèi)容34-35
• 1.4.2 技術(shù)路線35-37
• 第2章 社會化媒體環(huán)境掃描的研究設(shè)計37-46
• 2.1 研究設(shè)計范式的選取37-39
• 2.2 核理論的構(gòu)建39-40
• 2.3 元需求的提出40-42
• 2.3.1 人與信息交互的決策過程40-41
• 2.3.2 環(huán)境掃描中的信息搜索模式41-42
• 2.3.3 基于文本分析法的情報分析42
• 2.4 元設(shè)計42-44
• 2.5 可驗證的假設(shè)44
• 2.6 本章小結(jié)44-46
• 第3章 面向社會化媒體環(huán)境掃描信息需求的文本特征提取方法46-61
• 3.1 本章引言46-47
• 3.2 研究方法47-51
• 3.2.1 觀點挖掘和情感分析47-48
• 3.2.2 向量空間模型48-49
• 3.2.3 本體學習49-51
• 3.3 面向信息需求的文本特征提取51-56
• 3.3.1 基于文本內(nèi)容的特征提取52-53
• 3.3.2 基于領(lǐng)域知識的特征提取53-56
• 3.4 實證分析56-60
• 3.4.1 數(shù)據(jù)獲取56-57
• 3.4.2 特征向量的產(chǎn)生57
• 3.4.3 文本分類57-58
• 3.4.4 交叉檢驗58-60
• 3.5 本章小結(jié)60-61
• 第4章 面向社會化媒體環(huán)境掃描的信息收集61-79
• 4.1 本章引言61-62
• 4.2 研究方法62-67
• 4.2.1 文本分類62-63
• 4.2.2 基于半監(jiān)督式機器學習的文本分類63-65
• 4.2.3 正面樣本的特征提取65-66
• 4.2.4 主題識別66-67
• 4.3 系統(tǒng)設(shè)計67-74
• 4.3.1 內(nèi)容的生動性測量69-70
• 4.3.2 內(nèi)容的普遍性偵測70-73
• 4.3.3 分類模型的構(gòu)造73-74
• 4.4 實證分析74-78
• 4.4.1 數(shù)據(jù)獲取74-75
• 4.4.2 實驗設(shè)計與結(jié)果分析75-78
• 4.5 本章小結(jié)78-79
• 第5章 社會化媒體情報的有用性分析79-101
• 5.1 本章引言79-81
• 5.2 顧客評論的有用性評價要素81-87
• 5.2.1 顧客評論的有用性評價目標82-84
• 5.2.2 顧客評論有用性評價的特征選取84-85
• 5.2.3 對顧客評論有用性進行預測的技術(shù)85-86
• 5.2.4 顧客評論的評價對象86-87
• 5.3 現(xiàn)有研究存在的問題87-89
• 5.3.1 影響顧客評論有用性的因素缺少理論依據(jù)87
• 5.3.2 顧客評論有用性的預測方法單一87-88
• 5.3.3 人工評價的偏差88-89
• 5.4 模型構(gòu)建與研究假設(shè)89-92
• 5.4.1 顧客評論對消費者購買決策的有用性分析模型90-91
• 5.4.2 研究假設(shè)的提出91-92
• 5.5 實證分析92-100
• 5.5.1 實驗數(shù)據(jù)的收集92-93
• 5.5.2 模型變量值的提取93-96
• 5.5.3 數(shù)據(jù)分析96-99
• 5.5.4 對數(shù)據(jù)分析結(jié)果的討論99-100
• 5.6 本章小結(jié)100-101
• 結(jié)論101-103
• 參考文獻103-118
• 攻讀博士學位期間發(fā)表的論文及其它成果118-120
• 致謝120-121
• 個人簡歷121

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 劉高勇;汪會玲;吳金紅;;基于語義Web Service的Deep Web動態(tài)競爭情報采集[J];情報雜志;2008年03期

2 周濤;汪秉宏;韓筱璞;尚明生;;社會網(wǎng)絡(luò)分析及其在輿情和疫情防控中的應(yīng)用[J];系統(tǒng)工程學報;2010年06期

本文編號：992877