基于SVM分类模型的垃圾文本识别研究

主要研究垃圾文本识别问题,利用苹果手机评论文本特征向量建立了SVM分类模型对垃圾文本进行识别,并与BP神经网络判别模型结果进行对比,得出苹果手机前400组训练样本的判别正确率为71%,后196组测试样本的判别正确率为70.12%.故得到,影响垃圾观点文本识别效果的主要原因为:1)评论文本的特征项的提取和文本特征空间向量求解.2)判别分类方法的选择,其中SVM文本识别效果最优.     

网络环境下考虑目标顾客偏好的服务产品选择方法北大核心CSCD

随着互联网技术的发展,各类电商平台应运而生,所产生的在线评论有助于顾客在购买前更好地了解服务产品.然而,在线评论数量的巨大也为顾客带来负担.为了帮助目标顾客更好地借助在线评论从众多的同类型服务产品中找出符合其偏好的服务产品,文章提出一种考虑目标顾客偏好的服务产品选择方法.首先,根据相关电商平台上的在线评分和文本评论,采用K-Means算法确定服务产品的评价维度;其次,基于概率分布理论,确定基于在线评分的备选服务产品针对各评价标度的概率分布;然后,采用卷积神经网络对文本评论进行情感分类,进而确定基于文本评论的备选服务产品针对各评价标度的概率分布;进一步地,构建总体规范化评价值矩阵;之后,考虑目标顾客关于评价维度的偏好,确定评价维度的相对权重,并运用TODIM方法获得备选服务产品的排序结果;最后,以携程网上的在线评论为依据进行实例研究,说明了该方法的可用性.     

基于网络结构特征的大规模虚假评论群组识别

目前识别虚假评论的方法主要基于评论内容的文本特征和评论者的行为特征,然而评论文本与评论者行为容易被伪造和模仿,且这两类方法只能对虚假评论逐个识别,本文考虑了虚假评论的网络结构特征,通过分析评论者的网络行为及评论者节点间的网络结构特征定义相邻节点多样性与自相似性,利用累积分布函数估计其概率并合成网络行为得分,以得分高的可疑产品为种子建立2-hop子图,筛选子图中高度相似的虚假评论候选群组,利用GroupStrainer、HDBSCAN等算法对其进行聚类合并,以发现隐藏的虚假评论群组。以亚马逊四类最畅销的产品数据集为样本进行实证分析的结果表明,文中提出的方法能够有效识别隐藏较深的大规模虚假评论群组,综合群组内容的统计特征分析发现,虚假评论群组对目标产品的攻击模式存在产品类别差异,虚假评论群组比真实评论者对目标产品具有更强的集中度,但同时也会利用其它非目标产品对自身进行伪装以弱化其可疑性。     

回收量不确定的垃圾回收网络优化模型及算法

考虑到实际垃圾回收网络中回收中心日回收量的不确定性特征,以及经城市垃圾处理中心处理后的垃圾被再利用的可能性,建立了一类新的日回收量不确定的垃圾回收处理网络优化模型,分别就全部或部分垃圾能够被再利用两种情形,在假定日回收量为三角模糊量的条件下,利用模糊机会约束规划的方法推导了所建立的不确定性优化模型的确定型等价类.对给定的置信水平,利用LINGO软件能够直接求解所得到的确定性模型.案例研究证实了模型和方法的有效性,应用参数的灵敏度分析得到:目标和不同约束的置信水平对最优运输方案和最小运输成本均具有不同影响.     

基于主题模型的半监督网络文本情感分类研究

针对网络评论文本的情感分类问题中存在的数据的不平衡性、无标记性和不规范性问题,提出一种基于主题的闽值调整的半监督学习模型,通过从非结构化文本中提取主题特征,对少量标注情感的文本训练分类器并优化指标调整闽值,达到识别用户评论的情感倾向的目的。仿真研究证明阈值调整的半监督模型对数据非平衡性和无标记性具有较强的适应能力。在实证研究中,对酒店评论文本数据构建的文本情感分类器显示该模型可以有效预测少数类评论样本的情感极性,证实了基于主题模型的闽值调整半监督网络评论文本情感分类模型在实际问题中的适用性与可行性。     

中国电子商务平台产品评论意见挖掘——基于条件随机场模型的实证研究

电子商务行业已成为国家战略性新兴行业,不仅拉动中国经济增长,更改变了人们的生活方式.对电子商务平台产品评论的意见信息进行统计分析,对于了解消费者对产品的关注点,改善平台购物体验,促使生产商对产品改进升级等具有重要意义.互联网时代,数据类型已从单一的结构化数据扩展到文本、图片等非结构化数据.文本挖掘是对大量非结构化数据处理和分析的过程.意见挖掘在文本挖掘基础上添加了人工智能,可以更有效地分析文本数据中的意见信息.文章以京东商城魅族MX3的用户评论为基础数据,采用意见挖掘中的条件随机场模型,并且在模型中加入了是否评价句特征,提高了条件随机场模型的绩效,通过对比试验验证了特征的有效性,从而对意见信息进行分类和可视化分析.     

基于在线评论的乘用车需求趋势分析方法

提出一种基于在线产品评论的竞争情报挖掘方法,将网络评论文本中的关键信息应用于乘用车设计开发中。结合LDA和TF-IDF算法,从主题特征和情感态度特征获取不同车型评论主题情感倾向性估值,并对应2009—2019年的乘用车销量,构建用户偏好分析的面板数据模型。结果显示：该方法能够有效地提取网络评论情报信息;通过与年份的交互作用分析产品需求趋势,过去11年间消费者只对油耗的关注度降低了8.64%,对动力、空间、外观、内饰和舒适性的关注度分别上升了3.16%,6.80%,89.69%,13.38%和18.47%。其中,与生活品质更加密切的外观、内饰和舒适性等指标的增量远高于传统关注的动力和空间指标。这表明燃油经济性越来越不受关注,已不再成为消费者购买乘用车的决定性因素。     

城市垃圾分类收运中的数学模型化方法

研究厨余垃圾的处理与清运问题,为大、小型处理设备的数量选择、选址及垃圾收运路线的设计分别建立了最优化模型。模型中将城市道路网抽象成无向赋权图,考虑了在交通拥堵和环境影响下的运输成本、设备处理量的均衡性和对环境的影响程度,构成多目标优化问题,进而运用改进的粒子群算法确定大型设备的位置,并给出了设置小型设备的基本原则;通过分析大、小型设备在不同处理能力下总成本的差异,确定了适合城市实际情况的最优设备处理能力。垃圾收运路线设计中以运输成本与环保成本作为优化指标,建立了基于K-TSP的运输车辆清运路线模型,并运用蚁群算法进行路网优化。最后对深圳市南山区的厨余垃圾收运问题进行了仿真,仿真结果表明上述模型和算法能有效地解决城市垃圾分类收运问题。     

一种中文分词的动态规划模型

基于动态规划,利用反向搜索的方法,通过计算词语的最大“花费”给出了中文文本的切分算法,从而建立了一个能够消除中文分词中切分歧义的中文分词模型。通过对模型中算法求解的运行效率及空间耗费进行分析得出,在统计意义上,该算法具有接近与文本规模成线性关系的复杂度,空间的耗费是常数规模的。     

一种利用Pls提取因子的财务危机预警模型

为了克服直接使用财务指标建立Logit模型存在的估计和检验不可靠问题,在所有的财务比率指标基础上,通过删除完全共线、意义相同和缺失数据指标,建立海选指标集.利用t检验筛选指标,删除t检验不显著的指标,保留t检验显著的指标,构建财务危机预警指标体系.通过提取互不相关的Pls因子,估计Pls-logit模型对因子赋权.将Pls因子回归代入Pls-logit模型对指标赋权,建立基于Pls-logit模型的财务危机预警模型.以2010年381家制造业上市公司作为建模样本进行了实证分析,表明Pls-logit模型中31个系数在5%的显著性水平下显著,说明建立的财务预警指标体系能够显著解释财务危机.以2010年和2011年随机抽取的制造业公司为检验样本进行回溯检验,检验结果表明预警总准确率达到91.7%以上.2010年危机预警准确率为66.7%;2011年危机预警率为100%.Pls-logit模型的总体预警准确率明显优于财务指标logit模型.     

基于BalanceCascade-GBDT算法的类别不平衡虚假评论识别方法

虚假评论是电商发展过程中一个无法避免的难题. 针对在线评论数据中样本类别不平衡情况,提出基于BalanceCascade-GBDT算法的虚假评论识别方法. BalanceCascade算法通过设置分类器的误报率逐步缩小大类样本空间,然后集成所有基分类器构建最终分类器. GBDT以其高准确性和可解释性被广泛应用于分类问题中,并且作为样本扰动不稳定算法,是十分合适的基分类模型. 模型基于Yelp评论数据集,采用AUC值作为评价指标,并与逻辑回归、随机森林以及神经网络算法进行对比,实验证明了该方法的有效性.     

基于在线评论的多个竞争制造商和零售商的产品定价策略

在线评论作为一种产品信息传播载体,越来越受到网上电商及消费者的重视,并在很大程度上影响消费者的购买决策。本文在多个竞争性制造商为在线零售商提供可替代性产品并通过零售商销售给网络消费者的电子商务环境下,研究在线评论信息如何影响网络消费者购买决策及在线零售商和制造商的定价策略。以neo-Hoteling模型为基础,构建了依赖零售渠道在线评论的消费者选择模型,并通过模型求解定量分析了二级供应链结构分散系统下在线评论对多个竞争性制造商及零售商最优决策的影响。得到当制造商基于评论制定最优定价策略时,在线评论对市场竞争强度没有影响,但决定潜在市场大小;各产品的均衡批发价及销售价按一定的比例随评论揭示的该产品与其他产品质量均值之差(正或负)增加或减少,评论信息通常会使制造商因好评而获利,由于评论增加了不同产品需求的不对称性,零售商因而具有更大的调价空间,往往通过提高(降低)占据有利(不利)评论的产品价格获得更高的利润。     

基于消费者多维度偏好的个性化评论排序方法研究

海量评论数据导致了信息过载,基于消费者的偏好对评论进行个性化排序尤为必要。本文考虑消费者多维偏好,即产品特征偏好、评论情感偏好和评论浏览数量偏好,提出了评论排序的消费者偏好满意度量化方法,将排序问题转化为最大化满意度的优化问题,鉴于问题的复杂度无法精确求解,提出了一个基于改进贪婪算法的近似求解算法。采用美团网酒店的评论数据进行实验,结果显示本文提出的算法与其他相关算法相比有效性显著提高,且具有较高的敏感度。研究结果对消费者提高决策效率,以及电商平台获取消费者偏好、改进评论系统,有着重要的现实指导意义。     

考虑商品数量和商品拣选成本的AGV智能仓库订单分批问题研究

AGV(Automated Guided Vehicle,自动导引车)智能仓库是一种基于“货到人”拣选模式的自动化仓库。本文考虑了订单中商品的需求量和货架上商品的存储量,以极小化货架搬运成本和商品拣选成本为目标,建立了AGV智能仓库订单分批问题的整数规划模型。本文针对订单分批问题的特点,提出了一种基于订单和货架交替选择的贪婪求解算法。对比CPLEX求解器的精确最优解,本文提出的贪婪算法的误差百分比不超过10%,平均误差百分比为5.38%;对比基于相似性的分批算法的求解结果,本文提出的贪婪算法不仅运算时间更短,解的质量也更好。进一步地,对比不考虑商品拣选成本的订单分批模型,本文提出的模型在不明显增加货架搬运成本的前提下,可以大幅度降低商品拣选成本。因此,在订单分批模型中考虑商品拣选成本是非常必要的。     

The informational value of employee online reviews

This paper investigates the informational value of online reviews posted by employees for their employer, a rather untapped source of online information from employees, using a sample of 349,550 reviews from 40,915 UK firms. We explore this novel form of electronic Word-of-Mouth (e-WOM) from different perspectives, namely: (i) its information content as a tool to identify the drivers of job satisfaction/dissatisfaction, (ii) its predictive ability on firm financial performance and (iii) its operational and managerial value. Our approach considers both the rating score as well as the review text through a probabilistic topic modeling method, providing also a roadmap to quantify and exploit employee big data analytics. The novelty of this study lies in the coupling of structured and unstructured data for deriving managerial insights through a battery of econometric, financial and operational research methodologies. Our empirical analyses reveal that employee online reviews have informational value and incremental predictability gains for a firm's internal and external stakeholders. The results indicate that when models integrate structured and unstructured big data there are leveraged opportunities for firms and managers to enhance the informativeness of decision support systems and in turn, gain competitive advantage.     

基于在线评论的新产品定向市场播种最优策略研究

定向市场播种,即选择特定的消费群体对其免费发放新产品,由此获得的在线评论对其他潜在消费者的购买决策有较大的影响作用,但还没有 相关研究。以在线销售的新产品为研究对象,基于Hoteling模型,加入在线评论对消费者预期值的影响作用来构建企业最优收益模型,研究垄断厂商最优的定向播种策略。研究结果揭示了(1)最优播种目标与消费者对产品的初始预期值相关:预期值较高时,可不播种;预期值处于中等水平,可选择均匀播种;预期值较低时,应选择高匹配用户播种;(2)三种播种方式下各自的最优播种比例及其定价策略;(3)当消费者初始预期值与产品不匹配成本发生变化时,三种播种策略下最优的播种比例和定价策略的调整方案。研究结果为探究在线评论对播种策略的影响提供了新的研究方向和理论依据。     

Optimal process control policies under a time-varying cost structure

Quality experts have recognized two types of quality costs resulting from failure of control; namely, internal and external failure costs of control. Explicitly considering the difference between internal and external failure costs in designing statistical process control procedures is especially important in today’s business environment because (1) inventory holding time is strategically kept very short because of the just-in-time philosophy, and (2) product values decrease at a very fast rate over time because of advances in technology and keen competition. In this paper, we develop a process control model under a time-varying cost structure, based on internal and external failure costs. Using the model, we also study the process control policies when the value of the product may decrease over time. We consider two forms of product perishability. The first is an exponential product value drop, and the second is a fixed life product life.     

A model for a Mixed Continuous-Periodic Review One-Warehouse,N-Retailer inventory system

This paper analyzes a Mixed Continuous-Periodic Review One-Warehouse, N-Retailer inventory system for a single, consumable item. In this system, the warehouse holds stock and the retailers experience independent, stationary field demand. Each retailer follows a continuous review (Q, r) policy. However, the warehouse reviews each retailer according to a review interval T. We discuss the motivation for this warehouse policy and show how its impact on the retailers can be modeled with an (nQ, r, T) policy at the retailers and the warehouse. Then we present an approximate analytical model to predict the performance of such a system under different operating conditions. An interesting aspect of the model is the estimation of warehouse demand variance via a closed form expression derived using renewal theory. We compare the approximate model with a simulation model to test its accuracy. The comparison indicates that the approximate model predicts quite accurately in high fill rate ranges (retailer fill rates of 90% and more). Finally, we propose several extensions to this research.