面向产品和服务的网购平台关键问题挖掘研究
发布时间：2023-05-06 01:28
随着电子商务的蓬勃发展,网购平台聚集了众多的商家,为消费者提供多种多样的产品。面对日趋广阔的网络市场和日益激烈的同行竞争,研究网购平台如何优化其产品和服务,从而提高消费者的满意度和忠诚度,增加产品销量具有必要性和现实意义。在网购平台运营和发展的过程中,产生了海量的与消费相关的数据,包括产品评论、消费者投诉文本、广告业务数据。这些数据包含了网购平台中产品和服务的相关信息,因此,本论文从数据挖掘和文本挖掘的角度提出解决思路,为网购平台优化其产品和服务提供有效的技术、理论与方法。 本论文的研究思路如下:(1)产品评论中包含的大量噪声词和无关词会带来很多噪声和无关的内容,而文本特征选择方法能够从中筛选出与产品优缺点相关的关键词,为生成产品评论摘要减少大量噪声。(2)面对海量的产品评论,商家需要花费大量的时间从中获得有关产品的重要信息,而产品评论摘要生成方法能够根据产品评论生成简洁易读的摘要,解决海量产品评论带来的“信息爆炸”问题。(3)网购流程的优化有利于提高消费者的购物体验,规范对商家的管理,减少购物纠纷,而目前有关网购平台服务质量的研究基本是从平台的整体入手,没有从网购流程的角度出发,研究...
【文章页数】：188 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究意义
1.2.1 理论意义
1.2.2 实践意义
1.3 研究内容
1.3.1 文本特征选择方法研究
1.3.2 产品评论摘要生成方法研究
1.3.3 网购流程优化方法研究
1.3.4 广告分类模型研究
1.4 技术路线
1.5 研究创新点
1.6 组织结构
第二章 文献综述
2.1 文本特征选择
2.1.1 基于“评分机制”的特征选择
2.1.2 基于“筛选机制”的特征选择
2.1.3 基于“优化机制”的特征选择
2.1.4 研究评述
2.2 产品评论摘要相关技术研究
2.2.1 关键信息提取
2.2.2 关键信息组织
2.2.3 研究评述
2.3 网购平台服务质量研究
2.3.1 基于经验的分析方法
2.3.2 基于研究成果或专家知识的分析方法
2.3.3 基于问卷或实证的分析方法
2.3.4 基于消费者数据的分析方法
2.3.5 研究评述
2.4 广告效果评价研究
2.4.1 影响因素研究
2.4.2 评价模型研究
2.4.3 研究评述
2.5 本章小结
第三章 基于深度学习的特征选择方法研究
3.1 引言
3.2 理论基础
3.2.1 文本特征选择
3.2.2 CNN原理
3.2.3 LSTM单元结构
3.3 特征选择方法研究
3.3.1 特征选择的原理
3.3.2 CNN-FS原理
3.3.3 LSTM-FS原理
3.4 特征选择比较实验
3.4.1 实验设置
3.4.2 文本分类比较实验分析
3.4.3 语义比较实验分析
3.4.4 稀疏度比较实验分析
3.4.5 CNN-FS与 LSTM-FS的比较
3.5 本章小结
第四章 产品评论摘要生成方法研究
4.1 引言
4.2 基础理论
4.2.1 产品评论摘要
4.2.2 LDA主题模型
4.2.3 LSTM网络
4.3 产品评论摘要生成方法的原理
4.3.1 关键信息提取模块
4.3.2 关键信息组织模块
4.3.3 摘要生成方法的伪代码
4.3.4 例子演示
4.4 产品评论摘要生成实验
4.4.1 数据集
4.4.2 LDA最优主题个数分析
4.4.3 产品评论摘要实例分析
4.5 产品评论摘要生成系统展示
4.6 本章小结
第五章 基于文本挖掘和PCN的网购流程优化方法研究
5.1 引言
5.2 PCN的原理
5.3 网购流程存在问题挖掘
5.3.1 客服方面的问题
5.3.2 商品方面的问题
5.3.3 卖家方面的问题
5.3.4 物流方面的问题
5.4 网购流程优化研究
5.4.1 网购流程的PCN描述
5.4.2 网购流程的PCN优化
5.5 网购流程优化策略建议
5.5.1 客服服务质量提升
5.5.2 售前商品管理
5.5.3 商家发货管理
5.6 本章小结
第六章 基于高斯滤波和决策树的广告分类模型研究
6.1 引言
6.2 理论基础
6.2.1 高斯滤波
6.2.2 决策树
6.3 广告分类模型
6.3.1 GF数据处理
6.3.2 有效和无效广告分类
6.3.3 模型的伪代码
6.4 广告分类实验
6.4.1 数据集
6.4.2 实验设置
6.4.3 实验结果和讨论
6.5 本章小结
第七章 总结与展望
7.1 研究总结
7.2 管理建议
7.3 研究展望
参考文献
攻读博士学位期间取得的研究成果
致谢
附件
本文编号：3808750
【文章页数】：188 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景
1.2 研究意义
1.2.1 理论意义
1.2.2 实践意义
1.3 研究内容
1.3.1 文本特征选择方法研究
1.3.2 产品评论摘要生成方法研究
1.3.3 网购流程优化方法研究
1.3.4 广告分类模型研究
1.4 技术路线
1.5 研究创新点
1.6 组织结构
第二章 文献综述
2.1 文本特征选择
2.1.1 基于“评分机制”的特征选择
2.1.2 基于“筛选机制”的特征选择
2.1.3 基于“优化机制”的特征选择
2.1.4 研究评述
2.2 产品评论摘要相关技术研究
2.2.1 关键信息提取
2.2.2 关键信息组织
2.2.3 研究评述
2.3 网购平台服务质量研究
2.3.1 基于经验的分析方法
2.3.2 基于研究成果或专家知识的分析方法
2.3.3 基于问卷或实证的分析方法
2.3.4 基于消费者数据的分析方法
2.3.5 研究评述
2.4 广告效果评价研究
2.4.1 影响因素研究
2.4.2 评价模型研究
2.4.3 研究评述
2.5 本章小结
第三章 基于深度学习的特征选择方法研究
3.1 引言
3.2 理论基础
3.2.1 文本特征选择
3.2.2 CNN原理
3.2.3 LSTM单元结构
3.3 特征选择方法研究
3.3.1 特征选择的原理
3.3.2 CNN-FS原理
3.3.3 LSTM-FS原理
3.4 特征选择比较实验
3.4.1 实验设置
3.4.2 文本分类比较实验分析
3.4.3 语义比较实验分析
3.4.4 稀疏度比较实验分析
3.4.5 CNN-FS与 LSTM-FS的比较
3.5 本章小结
第四章 产品评论摘要生成方法研究
4.1 引言
4.2 基础理论
4.2.1 产品评论摘要
4.2.2 LDA主题模型
4.2.3 LSTM网络
4.3 产品评论摘要生成方法的原理
4.3.1 关键信息提取模块
4.3.2 关键信息组织模块
4.3.3 摘要生成方法的伪代码
4.3.4 例子演示
4.4 产品评论摘要生成实验
4.4.1 数据集
4.4.2 LDA最优主题个数分析
4.4.3 产品评论摘要实例分析
4.5 产品评论摘要生成系统展示
4.6 本章小结
第五章 基于文本挖掘和PCN的网购流程优化方法研究
5.1 引言
5.2 PCN的原理
5.3 网购流程存在问题挖掘
5.3.1 客服方面的问题
5.3.2 商品方面的问题
5.3.3 卖家方面的问题
5.3.4 物流方面的问题
5.4 网购流程优化研究
5.4.1 网购流程的PCN描述
5.4.2 网购流程的PCN优化
5.5 网购流程优化策略建议
5.5.1 客服服务质量提升
5.5.2 售前商品管理
5.5.3 商家发货管理
5.6 本章小结
第六章 基于高斯滤波和决策树的广告分类模型研究
6.1 引言
6.2 理论基础
6.2.1 高斯滤波
6.2.2 决策树
6.3 广告分类模型
6.3.1 GF数据处理
6.3.2 有效和无效广告分类
6.3.3 模型的伪代码
6.4 广告分类实验
6.4.1 数据集
6.4.2 实验设置
6.4.3 实验结果和讨论
6.5 本章小结
第七章 总结与展望
7.1 研究总结
7.2 管理建议
7.3 研究展望
参考文献
攻读博士学位期间取得的研究成果
致谢
附件
本文编号：3808750
本文链接：https://www.wllwen.com/shoufeilunwen/jjglbs/3808750.html