基于LDA模型的汽車消費者感知質量研究
發(fā)布時間:2023-06-05 18:42
如今,互聯(lián)網上的在線文本評論大量累積,這些代表著消費者感知質量的在線文本數據是產品或服務提供商接收消費者反饋信息和挖掘客戶偏好的重要渠道,也是消費者了解產品或服務時必不可少的參考信息。在線評論以非結構化的文本形式存在,如何從中抽取出質量維度特征?怎樣去衡量這些質量維度特征背后的標簽、重要性以及演化趨勢?不同品牌產品間的消費者感知質量又有什么差異?以及產品提供商及消費者自身相關屬性又是如何影響著消費者這些感知維度的?這些問題對于產品或服務提供商或消費者,都有著重要的意義。為探討汽車消費者的感知質量,本文首先回顧了相關研究,并針對目前研究中的不足,提出基于雙因素理論著重研究影響消費者的滿意和不滿意的因素。接著利用潛在狄利克雷模型(LDA模型)來提取汽車消費者在線文本評論中正面評論和負面評論的主題并確定其標簽及權重。最后,結合模型結果做出相應的策略分析,如:汽車品牌顆粒度下感知質量分析和汽車消費者感知維度影響因素分析等。其中品牌顆粒度下感知質量分析主要包括品牌形象、品牌定位、品牌質量維度演化等。而消費者感知維度影響因素分析主要運用多元回歸方法探討與產品提供商及消費者相關的汽車價格、汽車品牌以...
【文章頁數】:65 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 文獻綜述
1.2.1 消費者感知質量與滿意度的相關研究
1.2.2 消費者在線數據的相關研究
1.2.3 文本情感分析的相關研究
1.2.4 品牌形象和品牌定位的相關研究
1.3 研究思路與方法
1.3.1 論文研究思路
1.3.2 章節(jié)安排
第2章 理論基礎
2.1 管理理論基礎
2.1.1 雙因素理論與KANO模型
2.1.2 品牌定位理論
2.1.3 期望失驗理論
2.2 相關算法理論
2.2.1 LDA模型理論
2.2.2 局部敏感哈希算法理論
2.3 文本挖掘技術
2.3.1 文本挖掘一般流程
2.3.2 網絡爬蟲
2.3.3 文本分詞
2.3.4 去停用詞
2.3.5 特征選擇
第3章 汽車消費者感知質量研究模型構建
3.1 汽車消費者感知質量研究模型整體框架
3.2 在線文本評論預處理方法
3.3 評論數據主題特征提取過程
3.4 汽車消費者感知質量研究方法
3.4.1 品牌顆粒度下感知質量分析方法
3.4.2 消費者感知維度影響因素分析方法
第4章 汽車消費者感知質量實驗結果分析
4.1 數據獲取及預處理結果
4.1.1 數據來源網站及范圍界定
4.1.2 在線評論數據獲取及其特征
4.2 汽車消費者評論主題提取結果分析
4.3 汽車品牌顆粒度下感知質量分析
4.3.1 品牌畫像
4.3.2 品牌定位
4.3.3 品牌質量維度演化
4.4 汽車消費者感知維度影響因素分析
結論
參考文獻
附錄A 攻讀學位期間發(fā)表學術論文目錄
附錄B 本文主要實驗代碼
致謝
本文編號:3831837
【文章頁數】:65 頁
【學位級別】:碩士
【文章目錄】:
摘要
Abstract
第1章 緒論
1.1 研究背景與意義
1.1.1 研究背景
1.1.2 研究意義
1.2 文獻綜述
1.2.1 消費者感知質量與滿意度的相關研究
1.2.2 消費者在線數據的相關研究
1.2.3 文本情感分析的相關研究
1.2.4 品牌形象和品牌定位的相關研究
1.3 研究思路與方法
1.3.1 論文研究思路
1.3.2 章節(jié)安排
第2章 理論基礎
2.1 管理理論基礎
2.1.1 雙因素理論與KANO模型
2.1.2 品牌定位理論
2.1.3 期望失驗理論
2.2 相關算法理論
2.2.1 LDA模型理論
2.2.2 局部敏感哈希算法理論
2.3 文本挖掘技術
2.3.1 文本挖掘一般流程
2.3.2 網絡爬蟲
2.3.3 文本分詞
2.3.4 去停用詞
2.3.5 特征選擇
第3章 汽車消費者感知質量研究模型構建
3.1 汽車消費者感知質量研究模型整體框架
3.2 在線文本評論預處理方法
3.3 評論數據主題特征提取過程
3.4 汽車消費者感知質量研究方法
3.4.1 品牌顆粒度下感知質量分析方法
3.4.2 消費者感知維度影響因素分析方法
第4章 汽車消費者感知質量實驗結果分析
4.1 數據獲取及預處理結果
4.1.1 數據來源網站及范圍界定
4.1.2 在線評論數據獲取及其特征
4.2 汽車消費者評論主題提取結果分析
4.3 汽車品牌顆粒度下感知質量分析
4.3.1 品牌畫像
4.3.2 品牌定位
4.3.3 品牌質量維度演化
4.4 汽車消費者感知維度影響因素分析
結論
參考文獻
附錄A 攻讀學位期間發(fā)表學術論文目錄
附錄B 本文主要實驗代碼
致謝
本文編號:3831837
本文鏈接:http://sikaile.net/guanlilunwen/shengchanguanlilunwen/3831837.html