基于用户偏好深度挖掘的体验型产品改进

就复杂体验型产品的在线评论不一致和价值密度低问题，提出用户偏好深度挖掘模型，支撑企业依据产品评论精准改进现有产品。首先，建立双向长短期记忆神经网络（BiLSTMNN）模型，细粒度挖掘粗略评论中隐含的用户情感极性；其次，为了从不一致的评论中挖掘用户偏好，应用偏回归模型挖掘用户对不同产品属性的线性偏好；最后，根据训练好的偏回归模型，将Kano模型应用于发现用户对各种产品属性的非线性偏好。以上海迪士尼乐园的数据为例，用户偏好深度挖掘模型得到验证，能够以较高的精确度挖掘复杂体验型产品评论中所隐含的用户非线性偏好，并据此提出产品的改进建议。...

Full description

Saved in:
Bibliographic Details
Published in秘书 no. 4; pp. 41 - 54
Main Authors 李树刚, 卢含玉, 刘芳, 王茹, 孔佳俐
Format Journal Article
LanguageChinese
Published 上海大学 15.07.2022
上海大学管理学院
Subjects
用户偏好
BiLSTMNN
Kano
深度挖掘
产品改进
Online AccessGet full text
ISSN1674-2354

Cover

More Information
Summary:就复杂体验型产品的在线评论不一致和价值密度低问题，提出用户偏好深度挖掘模型，支撑企业依据产品评论精准改进现有产品。首先，建立双向长短期记忆神经网络（BiLSTMNN）模型，细粒度挖掘粗略评论中隐含的用户情感极性；其次，为了从不一致的评论中挖掘用户偏好，应用偏回归模型挖掘用户对不同产品属性的线性偏好；最后，根据训练好的偏回归模型，将Kano模型应用于发现用户对各种产品属性的非线性偏好。以上海迪士尼乐园的数据为例，用户偏好深度挖掘模型得到验证，能够以较高的精确度挖掘复杂体验型产品评论中所隐含的用户非线性偏好，并据此提出产品的改进建议。
ISSN:1674-2354