隨著互聯(lián)網(wǎng)的發(fā)展,綜合性旅游網(wǎng)站逐漸興起,為人們提供交通出行、酒店住宿、游玩攻略等各種信息。同時(shí),隨著生活水平的提高和經(jīng)濟(jì)的快速發(fā)展,人們出行的頻率也越來越高,有的是旅游出行,有的是商務(wù)出行。旅游網(wǎng)站在人們出行前為人們提供了參考信息,而這也是讓出行的人們進(jìn)行信息反饋的平臺。現(xiàn)在,越來越多的人愿意在網(wǎng)絡(luò)上發(fā)表評論來分享商品信息和體驗(yàn)感受,這有助于評論瀏覽者進(jìn)行更好的選擇決策,更有助于網(wǎng)絡(luò)平臺的建設(shè)和商家對自身服務(wù)水平或商品質(zhì)量的改進(jìn)。在大數(shù)據(jù)時(shí)代,數(shù)據(jù)量越來越龐大,數(shù)據(jù)積累的速度越來越快。當(dāng)面對大量評論,而時(shí)間和精力又不允許瀏覽所有評論時(shí),評論有用性成為幫助瀏覽者快速獲取有效信息的重要助力。通過對評論有用性的影響因素分析,旅游網(wǎng)站可以有選擇性地向?yàn)g覽者推送評論或?yàn)闉g覽者提供對重要影響因素的選擇功能,滿足不同瀏覽者的信息需求,同時(shí)提高他們的信息獲取效率,進(jìn)而獲得瀏覽者對旅游網(wǎng)站的信任和青睞。而商家則可根據(jù)有用性評論反饋的信息,進(jìn)行自我改善。本文著眼于在線評論和酒店行業(yè),主要研究在線酒店評論有用性的影響因素。TripAdvisor是全球領(lǐng)先的旅游網(wǎng)站,提供來自全球旅游者的點(diǎn)評和建議,因此本文... 

【文章來源】：東北財(cái)經(jīng)大學(xué)遼寧省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１?ＴｒｉｐＡｄｖｉｓｏｒ網(wǎng)站在線酒店評論示意圖??３）其他變量：酒店星級（Ｓｔａｒ）??酒店星級主要為五星級酒店、四星級酒店和三星級酒店

３研究方法??邏輯示意圖見圖３－５。??０Ｄｉｒｉｃ?ｉｌｅｔ???Ｍｕｌｔｌｎｏｒｒｉｌｇ｝????？??ｋｅ?［１，Ｋ］?ｎｅ?［ｌ．ｉｖｊ??ｍ?ｅ?［１，Ｍ］??圖３－５?ＬＤＡ模型的邏輯示意圖??根據(jù)兩個(gè)獨(dú)立的Ｄｉｒｉｃｈｌｅｔ－Ｍｕｌｔｉｎｏｍｉａ丨共輛過程，可獲得０ｍ和箏的后驗(yàn)分??布??Ｄｉｒ（０ｍ｜ａ）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｍ）?＝?Ｄｉｒ（０ｍ｜ａ?＋ｎｍ）?（３．３）??Ｄｉｒ（＾ｆｃ｜＾）?＋?ＭｕｌｔｉＣｏｕｎｔ（ｎｆｃ）?＝?Ｄｉｒ（＾ｆｃ｜ｙＳ?＋?ｎｆｃ）?（３．４）??其中，Ｈｍ是主題ｋ在評論ｍ中出現(xiàn)的頻數(shù)，該頻數(shù)即評論ｍ中屬于主題ｋ??的詞語的數(shù)量，Ａ是詞語ｔ在主題ｋ中出現(xiàn)的頻數(shù)。經(jīng)過推導(dǎo)，可獲得聯(lián)合分??布如下。??ｐ（ｗ，ｚ＼ｄｊ）?＝?ｐ（ｗ＼ｚｊ）ｐｄｚ＼ｄ）?＝?（３．５）??己知其他詞語主題的條件下，評論ｍ的第ｎ個(gè)詞語的主題的條件概率分布??（ｆａｌｌ?ｃｏｎｄｉｔｉｏｎａｌ?ｄｉｓｔｒｉｂｕｔｉｏｎ）如下。??（ｋ）?（ｔ）?？??＾?＝?＝?＾?＝?（３．６）??模型訓(xùn)練結(jié)束后，獲得兩個(gè)概率矩陣且這兩個(gè)概率矩陣收斂：評論主題概??率矩陣（ＭｘＫ）和主題詞匯概率矩陣（ＫｘＶ）。評論主題概率矩陣估計(jì)了每條??評論中，各主題出現(xiàn)的概率，主題詞匯矩陣估計(jì)了每個(gè)主題中，各詞語出現(xiàn)的??概率。??１７??

３研究方法??預(yù)測模型的預(yù)測效果好壞存在偶然性。因此采用不同數(shù)據(jù)集經(jīng)過多次訓(xùn)練和預(yù)??測，得到的平均結(jié)果更能夠代表預(yù)測模型的性能好壞和泛化能力。??ｋ折交叉驗(yàn)證方法將數(shù)據(jù)集平均分成ｋ個(gè)子樣本，依次將這ｋ個(gè)子樣本作為??測試集，同時(shí)將其他ｋ－１個(gè)子樣本作為訓(xùn)練集進(jìn)行訓(xùn)練，經(jīng)過ｋ次訓(xùn)練后得到ｋ??個(gè)的結(jié)果。取這ｋ個(gè)結(jié)果的平均值作為最終正確率。??

【參考文獻(xiàn)】：
期刊論文
[1]評分不一致性對在線評論有用性的影響——?dú)w因理論的視角[J]. 苗蕊,徐健.  中國管理科學(xué). 2018(05)
[2]面向負(fù)面在線評論的情感強(qiáng)度對有用性的影響研究[J]. 蔡淑琴,秦志勇,李翠萍,袁乾,鄒碧攀.  管理評論. 2017(02)
[3]基于淘寶網(wǎng)評論數(shù)據(jù)的信息質(zhì)量對在線評論有用性的影響[J]. 張艷輝,李宗偉,趙詣成.  管理學(xué)報(bào). 2017(01)
[4]搜索型商品評論有用性影響因素研究[J]. 何有世,李娜.  情報(bào)雜志. 2016(12)
[5]在線評論有用性投票的影響因素研究——基于商品類型的調(diào)節(jié)作用[J]. 王智生,李慧穎,孫銳.  管理評論. 2016(07)
[6]什么樣的產(chǎn)品評論最有用?——在線評論數(shù)量特征和文本特征對其有用性的影響研究[J]. 江曉東.  外國經(jīng)濟(jì)與管理. 2015(04)
[7]在線評論有用性影響因素實(shí)證研究——基于Tripadvisor.com酒店評論數(shù)據(jù)[J]. 卓四清,馮永洲.  現(xiàn)代情報(bào). 2015(04)
[8]時(shí)間間隔何時(shí)能夠提高在線評論的有用性感知——基于歸因理論的視角[J]. 汪濤,王魁,陳厚.  商業(yè)經(jīng)濟(jì)與管理. 2015(02)
[9]在線評論的感知有用性影響因素——基于在線影評的實(shí)證研究[J]. 閆強(qiáng),孟躍.  中國管理科學(xué). 2013(S1)
[10]消費(fèi)者認(rèn)為怎樣的在線評論更有用?——社會性因素的影響效應(yīng)[J]. 殷國鵬.  管理世界. 2012(12)



本文編號：3296625