学术动态

学术动态

学术活动

当前您的位置: 网站首页 - 学术动态 - 学术活动 - 正文

题目:从在线评论中挖掘产品创新理念

作者: 编辑:贾峰菊 发布时间:2021-08-01

题目:从在线评论中挖掘产品创新理念

报告人:樊卫国教授 

报告时间:2021年8月2日(周一)上午9:00~11:00

腾讯会议:755548015

欢迎广大师生参加!


主讲人介绍:

IMG_256

樊卫国,爱荷华大学管理科学系教授,现任信息系统领域重要期刊MIS Quarterly客座副主编,Information Systems Journal、Journal of Association for Information Systems、Information and Management等副主编。樊卫国教授的主要研究方向包括:数据挖掘、文本挖掘、商务智能、社会化媒体数据分析、大数据分析等。其研究成果已被谷歌学者引用11792次(H-index = 52)。近五年,樊教授一直在美国爱荷华大学和弗吉尼亚理工大学从事社会计算、大数据及文本挖掘在商业领域的应用,商务智能与大数据的研究与开发,社交媒体数据分析及用户行为,智慧健康等问题的研究,并取得了丰硕且具有创新性和影响力的成果,曾在管理与信息系统领域期刊和会议上发表200余篇学术论文。

 

讲座内容:

在线客户评论对产品创新的重要性已经在之前的文献中得到了充分的认识。挖掘在线评论已经得到了广泛的关注和努力。大多数现有的关于挖掘在线评论的研究集中在诸如评论对销售的影响、评论的有用性以及顾客对评论的参与等问题上。然而,很少有研究试图从在线评论中识别和提取产品的创新理念。从制造商的角度来看,此类信息对于产品功能改进和新功能开发尤为重要。挖掘产品创新理念使制造商能够主动审查客户意见并了解市场预期的新功能和特性,以获得竞争优势。在本文中,我们提出了一种基于深度学习的方法来识别在线评论中包含创新思想的句子。具体来说,我们开发了一种新颖的集合嵌入方法,以生成评论句子中的词汇的语义和上下文表示。然后,每个句子中的结果表征被用于长短时记忆(LSTM)模型,用于创新句子的识别。此外,我们在我们的模型中采用了一个焦点损失函数来解决类不平衡问题。我们用来自亚马逊的10,000条顾客评论的数据集验证了我们的方法。我们的模型获得了0.91的AUC分数和0.89的F1分数,在比较中超过了一组最先进的基线模型。我们的方法可以扩展并应用于许多其他信息提取任务。