基于在线评论的客户偏好趋势挖掘 |
Customer preference trend mining based on online reviews |
摘要点击 699 全文点击 1522 |
查看全文 查看/发表评论 下载PDF阅读器 |
中文关键词 |
英文关键词 |
基金项目 |
作者 | 单位 | 沈 超 | 合肥工业大学管理学院,安徽工程大学经济与管理学院,过程优化与智能决策教育部重点实验室 | 王安宁 | | 陆效农 | | 彭张林 | | 张 强 | |
|
中文摘要 |
为了有效地从在线评论数据中获取客户的需求偏好, 提出了一种客户偏好趋势挖掘方法. 该方法采用时间序列模型预测下一阶段产品属性重要性, 利用决策树模型分析客户偏好的变化趋势, 将产品属性分为关键属性和非关键属性. 并进一步, 根据 Mann-Kendall 趋势检验将非关键属性分为过时属性、增值属性和稳定属性. 此外, 以汽车产品为案例, 验证了该方法在产品设计与开发过程中起到的重要作用. 研究结果可以为企业的汽车产品开发提供决策支持, 从而使产品最大化地满足客户的需求. |
英文摘要 |
|
关闭 |
|
|
|
|
|