典型文献
基于Canopy-Kmeans的移动商务用户需求聚合挖掘及分析研究
文献摘要：
[目的/意义]为了协助商家和平台获取移动商务在线评论中的用户需求,解决在线评论过载导致用户需求提取困难等问题.[方法/过程]本文首先获取原始在线评论数据集进行文本预处理和清洗;然后,深入语义层面基于改进后的Canopy-Kmeans算法实现用户需求聚合;最后,以聚合结果为层级指标设计Kano问卷,用重要性判别方法和用户满意度指数优化用户需求分类标准,实现用户需求的高效聚合和精准挖掘.[结果/结论]通过实验结果对比分析发现与基于语义的传统聚类方法相比,本文设计的移动商务用户需求聚合与挖掘方法的聚类结果更清晰合理,能够获取更精准和细化的用户需求.[创新/局限]借助Word2vec模型从语义的视角分析用户需求,提出基于Canopy-Kmeans算法的用户需求聚合挖掘模型,但选取的研究对象和数据规模较为有限,下一步将扩大在线商品评论的研究范围及实验数据规模.
文献关键词：
在线评论;用户需求聚合;Canopy-Kmeans;Kano模型;移动商务
中图分类号：
作者姓名：
吴运明;王令村;魏子栋;郭顺利
作者机构：
曲阜师范大学传媒学院,山东日照276826
文献出处：
引用格式：
[1]吴运明;王令村;魏子栋;郭顺利-.基于Canopy-Kmeans的移动商务用户需求聚合挖掘及分析研究)[J].情报科学,2022(10):97-106
A类：
用户需求聚合
B类：
Canopy,Kmeans,移动商务,商家,在线评论,过载,导致用户,评论数据,文本预处理,语义层面,算法实现,现用,指标设计,Kano,判别方法,用户满意度指数,化用,需求分类,分类标准,结果对比,聚类方法,挖掘方法,Word2vec,视角分析,挖掘模型,规模较,在线商品评论,研究范围
AB值：
0.303216
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
