导读:本文包含了在线分析挖掘论文开题报告文献综述及选题提纲参考文献，主要关键词:电商,文本情感分析,在线评论,数据
在线分析挖掘论文文献综述
张昊[1]（2019）在《基于文本情感分析的电商在线评论数据挖掘》一文中研究指出这些年来,互联网的迅猛发展使电子商务迅速崛起,在几乎全民网上购物的时代使得各大电商之间、同样平台的不同商家之间的竞争日益激烈。用户在线评论除了是对商品信息的反馈和与店家的沟通,更重要的是为新的购买用户提供重要的参考、和商家后续改进服务及商品的重要参考。因此,基于文本情感分析的电商在线评论数据挖掘变得尤为重要。在电商评论中进行文本情感分析,构建包含情感信息的在线评论模型,可以更加细致的了解客户需求,帮助商家有效掌握消费者的情感变化,进而,把握整个行业的趋势。(本文来源于《现代经济信息》期刊2019年17期）
姚瑶[2]（2019）在《基于文本挖掘的冷链农产品电商平台在线评论的情感分析研究》一文中研究指出电子商务的迅速发展,导致了冷链农产品电商平台的迅速崛起,但发展过程中也存在着不少的问题,如何去发现并改进这些问题,提升消费者的购买意愿是首要任务。本文以消费者评论为切入点,对其进行情感分析,分析结果不仅可以影响其他用户的购买决策,还对企业日后的发展指明了方向。本文以淮南“菜篮子工程”冷链农产品电商平台为例,通过爬虫提取出消费者评论,采取叁种情感分析的方法。具体的研究工作包括以下叁个内容:第一,基于Bi-LSTM对冷链农产品电商平台消费者评论进行情感分类。为了帮助企业和消费者把握商品整体的好坏程度,从文本语句的角度提出此类方法。首先,对消费者评论进行预处理,并基于word2vec训练词向量,根据Bi-LSTM分析评论文本的上下文之间的关系,并引入注意力机制对模型进一步的优化,最终运用情感分类器对评论集进行情感分类。从结果看出消费者对淮南“菜篮子工程”电商平台的整体评价,从而反映消费者对整个冷链农产品电商平台的满意度。第二,基于LDA主题模型对冷链农产品电商平台的在线评论进行情感分析。该方法从潜在主题的角度出发,研究消费者的关注点并提取出对企业和消费者最有用的信息。首先根据第二章的消费者评论分类结果,通过依存句法关系对好评和差评提取情感单元,接着运用LDA主题模型分别对好评与差评聚类,根据评价指数SC值的最大值确定主题数,最后对聚类的结果进行分析,从结果可以了解到消费者的关注点、对平台的最满意以及最不满意的地方。第叁,基于评价对象抽取对冷链农产品电商平台在线评论进行情感分析。针对用户不只是关注商品整体的好坏,更加关心各类属性质量的行为,提出此类方法。首先基于词性、评价词和评价对象的搭配规则,以及运用词频、PMI方法对评价对象进行筛选过滤,并使用文本相似度将评价对象分为五类,最后通过评价词极性计算的规则,计算“菜篮子工程”电商平台评论的情感倾向性。从结果可以看出消费者对淮南“菜篮子工程”电商平台的五大属性的满意程度。本文从这叁个角度对淮南“菜篮子工程”冷链农产品电商平台的消费者评论进行情感分析,从消费者的角度考虑,及时了解消费者的需求及评价,采取针对性的措施,才能解决上述问题,更好的吸引消费者,并对其他正在发展的冷链农产品电商平台提供借鉴。图13表14参55(本文来源于《安徽理工大学》期刊2019-06-06）
卓荣庆,柏忠贤[3]（2019）在《基于数据挖掘的学习者在线学习行为分析模型构建》一文中研究指出在线学习作为一种新型的学习方式及教育模式,提高了人们的学习效率和认知方式,但也面临着许多挑战,目前高校在线学习平台存在学习课程完成率低、学生学习兴趣低和学习效果无法保障等问题,如何监督和干预学习过程,构建学习者在线学习行为分析模型是解决问题的关键。本论文从数据挖掘的角度出发,通过在线学习行为数据采集、数据处理、数据分析以及反馈预测评价等手段,对学习者在线学习行为进行分析与建模,从而提高学习者在线学习的效果。(本文来源于《计算机产品与流通》期刊2019年03期）
陈圆圆,刘盛峰,董克,陈彦彦,宋阳[4]（2019）在《基于数据挖掘的成人学习者在线学习行为与学习效果分析》一文中研究指出针对当前成人学习者在线学习行为研究不足的问题,依托安徽继续教育在线学习平台,以本科课程《大学英语1》为例,利用SPSS22.0统计软件以及数据挖掘分析成人学习者的在线学习行为,探索在线学习行为与学习效果之间的相关性。研究结果表明,作业成绩、平时成绩、在线考试成绩、已学视频时长和学习进度因素与综合成绩呈强相关,而年龄、专业与综合成绩的关联度呈弱相关,性别与综合成绩无关联性。基于此,进行了教学反思,并提出意见和建议。(本文来源于《安徽广播电视大学学报》期刊2019年01期）
张振华,许柏鸣[5]（2019）在《基于在线评论文本挖掘的商业竞争情报分析模型构建及应用》一文中研究指出【目的/意义】社会化媒体发达的环境下,在线评论已成为商业竞争情报的重要来源,企业可从中了解客户需求、改进产品与服务质量。【方法/过程】选取家具这种耐用品的在线评论作为研究数据,建立了基于在线评论文本挖掘的商业竞争情报分析模型,使用特征词提取、关键词共现与社会网络分析,得到特征词典、用户观点并可视化。【结果/结论】本文以京东商城家具产品服务为例进行实证,证明该模型可较好地提取用户观点的竞争情报并可视化,关键词共现与社会网络分析对于识别企业服务中的问题具有良好效果。(本文来源于《情报科学》期刊2019年02期）
刘玉林,菅利荣[6]（2018）在《基于文本情感分析的电商在线评论数据挖掘》一文中研究指出在电商在线评论中引入文本情感分析,能够很好地判断出电商在线评论的情感倾向。同时,以情感倾向为基础建立情感指数,从总体、店铺维度、月维度等方式展开分析,能够更细致地了解电商在线评论中的情感变化。以天猫碧根果在线评论为例的实证分析表明:电商在线评论通过引入文本情感分析,判断情感倾向和建立情感指数,能够帮助电商商家建立新的评价方式、动态监测情感变化和把握整个电商行业的情感趋势。(本文来源于《统计与信息论坛》期刊2018年12期）
曹天择[7]（2018）在《基于情感分析技术的电商产品在线评论数据挖掘研究》一文中研究指出电子商务的快速发展改变了人们的购物模式,随着网络购物的兴起,国内涌现出了很多电商平台。在这种环境下,电商平台和商家获得了很多的发展机遇,但是随着市场的竞争不断加剧以及技术的不断发展,电商平台和商家也遇到了很多挑战,有些因为无法应对这些挑战早已被市场淘汰。对于电商平台来说,它们的目标是:大量的商家入驻、大量的用户注册;对于商家来说,它们的目标则是:希望商品的销售量越来越多。为了达到这些目标,除了要保证产品质量可靠、价格合理以外,还需要去关注消费者的购物体验,倾听他们的心声。现在大部分的电商平台都有相应的消费者在线评论系统,购物成功的用户在一定时间内可以去发表自己的看法和感受,这些内容越来越受到商家和平台的重视,这为他们下一步发展和改进提供了重要的情报数据。本文对相关的评论内容进行研究后发现,有些评论内容表达了消费者对本次购物的满意态度;有些评论内容则反映了消费者的批评意见,不满意这次购物;还有一些在线评论我们无法判断消费者是否满意这次购物,是一种中立的情绪。因此我们对评论文本数据通过情感分析技术进行相应研究分析,挖掘其中有价值的信息,为商家和平台提供情报数据。本文选择天猫国际和京东全球购这两大平台上的两款婴幼儿奶粉为例,进行在线评论数据的爬取,然后对原始数据进行预处理:文本去重和机械压缩、中文分词、词性标注、去除停用词和英文字符等工作。然后构建相关的情感词典,并将预处理之后的评论数据基于相关的情感词典进行情感判断,将评论文本数据划为积极、消极和中立叁个部分,并分别构建网络语义图,实现数据的可视化;最后对评论文本中的物流服务要素进行提取,通过因子分析和问卷调查的方法来探究消费者再次购买意愿和要素之间的关系,并构建相关的回归模型。(本文来源于《浙江工商大学》期刊2018-12-01）
叶文静,黄今慧[8]（2018）在《基于数据挖掘的在线学习行为分析与建模》一文中研究指出在大数据的背景下,作者在分析了学习者在线学习行为的基础上,建立了基于数据挖掘的在线学习行为的模型。论文的重点不仅在于指出研究在线学习行为的重要性,更探讨了如何对在线学习行为构建模型,以及它会为教育领域带来的深远意义。(本文来源于《中小企业管理与科技(下旬刊)》期刊2018年11期）
向菲,谢耀谈[9]（2018）在《基于特征规则的在线医疗社区用户评论观点挖掘与情感分析方法》一文中研究指出针对医院评价领域缺少大规模观点-情感语料库的情况,阐述国内外在线医疗社区知识共享以及基于特征的观点挖掘与分析研究现状,采用特征规则方法,基于补充情感词典,对在线医疗社区中用户关于医院的就医评价内容进行观点挖掘与情感分析并开展实证分析,结果显示该方法具有较好的挖掘效果。(本文来源于《医学信息学杂志》期刊2018年11期）
刘阳[10]（2018）在《基于文本挖掘的在线旅游产品销量影响因素分析》一文中研究指出在近几年的中国旅游市场交易结构中,休闲度假部分的占比逐年增长,东南亚旅游份额稳步提升,旅游市场竞争日益激烈。在旅游市场及消费者的促使下,旅游经营商家需要不断对自身的资源配比进行优化,为消费者提供更加优质高效的服务。产品基本信息中包含可能对销量有影响的指标,用户评论被多次证实是消费者做出网络消费决策的重要影响因素之一。通过对这类数据分析,希望可以在不损伤商家基本利润的前提下,帮助商家从产品信息设置方面提升产品销量,以及从用户角度中提升产品质量、完善产品,最终提升产品的综合竞争力。本研究使用python爬虫技术获取飞猪网中东南亚旅游产品的信息数据及用户评论数据。针对产品信息这类结构化数据,在使用描述统计的相关方法实现对数据的整体把握后,采用方差分析及回归方法获得其中对产品销量有影响的指标信息;对于评论数据,采用词库情感分析法对正负情感评论进行分类,再分别应用聚类及LDA主题模型方法,从用户角度获知消费者对产品的真实所需,更好的了解到产品的优点和缺点。本研究最终希望帮助商家制定更加有效的提升销售和产品竞争力的策略;帮助网站提供功能方面的优化参考,更大限度的发挥网站的平台监督管理作用;帮助消费者选择到满意的产品及服务。(本文来源于《首都经济贸易大学》期刊2018-06-30）
在线分析挖掘论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
电子商务的迅速发展,导致了冷链农产品电商平台的迅速崛起,但发展过程中也存在着不少的问题,如何去发现并改进这些问题,提升消费者的购买意愿是首要任务。本文以消费者评论为切入点,对其进行情感分析,分析结果不仅可以影响其他用户的购买决策,还对企业日后的发展指明了方向。本文以淮南“菜篮子工程”冷链农产品电商平台为例,通过爬虫提取出消费者评论,采取叁种情感分析的方法。具体的研究工作包括以下叁个内容:第一,基于Bi-LSTM对冷链农产品电商平台消费者评论进行情感分类。为了帮助企业和消费者把握商品整体的好坏程度,从文本语句的角度提出此类方法。首先,对消费者评论进行预处理,并基于word2vec训练词向量,根据Bi-LSTM分析评论文本的上下文之间的关系,并引入注意力机制对模型进一步的优化,最终运用情感分类器对评论集进行情感分类。从结果看出消费者对淮南“菜篮子工程”电商平台的整体评价,从而反映消费者对整个冷链农产品电商平台的满意度。第二,基于LDA主题模型对冷链农产品电商平台的在线评论进行情感分析。该方法从潜在主题的角度出发,研究消费者的关注点并提取出对企业和消费者最有用的信息。首先根据第二章的消费者评论分类结果,通过依存句法关系对好评和差评提取情感单元,接着运用LDA主题模型分别对好评与差评聚类,根据评价指数SC值的最大值确定主题数,最后对聚类的结果进行分析,从结果可以了解到消费者的关注点、对平台的最满意以及最不满意的地方。第叁,基于评价对象抽取对冷链农产品电商平台在线评论进行情感分析。针对用户不只是关注商品整体的好坏,更加关心各类属性质量的行为,提出此类方法。首先基于词性、评价词和评价对象的搭配规则,以及运用词频、PMI方法对评价对象进行筛选过滤,并使用文本相似度将评价对象分为五类,最后通过评价词极性计算的规则,计算“菜篮子工程”电商平台评论的情感倾向性。从结果可以看出消费者对淮南“菜篮子工程”电商平台的五大属性的满意程度。本文从这叁个角度对淮南“菜篮子工程”冷链农产品电商平台的消费者评论进行情感分析,从消费者的角度考虑,及时了解消费者的需求及评价,采取针对性的措施,才能解决上述问题,更好的吸引消费者,并对其他正在发展的冷链农产品电商平台提供借鉴。图13表14参55
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
在线分析挖掘论文参考文献
[1].张昊.基于文本情感分析的电商在线评论数据挖掘[J].现代经济信息.2019
[2].姚瑶.基于文本挖掘的冷链农产品电商平台在线评论的情感分析研究[D].安徽理工大学.2019
[3].卓荣庆,柏忠贤.基于数据挖掘的学习者在线学习行为分析模型构建[J].计算机产品与流通.2019
[4].陈圆圆,刘盛峰,董克,陈彦彦,宋阳.基于数据挖掘的成人学习者在线学习行为与学习效果分析[J].安徽广播电视大学学报.2019
[5].张振华,许柏鸣.基于在线评论文本挖掘的商业竞争情报分析模型构建及应用[J].情报科学.2019
[6].刘玉林,菅利荣.基于文本情感分析的电商在线评论数据挖掘[J].统计与信息论坛.2018
[7].曹天择.基于情感分析技术的电商产品在线评论数据挖掘研究[D].浙江工商大学.2018
[8].叶文静,黄今慧.基于数据挖掘的在线学习行为分析与建模[J].中小企业管理与科技(下旬刊).2018
[9].向菲,谢耀谈.基于特征规则的在线医疗社区用户评论观点挖掘与情感分析方法[J].医学信息学杂志.2018
[10].刘阳.基于文本挖掘的在线旅游产品销量影响因素分析[D].首都经济贸易大学.2018