产品在线评论活跃状态演变模式分析

《产品在线评论活跃状态演变模式分析》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、产品在线评论活跃状态演变模式分析施慧斌李红苗蕊姚忠北京航空航天大学经济管理学院沈阳工业大学管理学院东北财经大学管理科学与工程学院本文建立丫产品Web信息活跃状态演化模式。利用隐马尔可夫模型对产品Web信息活跃状态进行建模，分析产品Web信息随时间变化的趋势，最后采用时间序列聚类算法对不同产品对应的Web信息进行聚类，得到产品Web信息活跃状态演变的模式，为厂商和卖家做出科学的营销，提供一定的帮助。关键词：在线评论;活跃状态;广义虚拟经济;演化模式;基金：广义虚拟经济研宂专项资助项目[项目编号:GX2010-1013(Y)]TheAnalysisoftheEvolutionPatt

2、ernsofProductOnlineReviewActivenessSHIHui-binLIHongSchoolofEconomicsandManagement，BeihangUniversity;Abstract：Thispaperproposestheevolutionpatternsofproductonlinereviewactiveness.ThispaperbuildsthemodelofproductonlinereviewactivenessusingHMMmodel.Andthenanalyzestheproductonlinereviewchangetren

3、dsovertime.Final1y,choosestimeseriesclusteringalgorithmtoclustertheonlinereviewsofthedifferentproducts,andgetstheproductonlinereviewactivenessevolutionpatterns.Thiscanhelpthemanufacturersandsellerstomakemoreeffectivedecisionofmarketing.Keyword：onlinereview;activeness;thegeneralizedvirtualecon

4、omy;evolutionpattern;一、引言广义虚拟经济学理论已经在多个领域得到应用LL51。产品在线评论在一定程度上，可以显示出消费者对该产品的消费热情，通常会随着时间的流逝而发生变化，所以产品在线评论的活跃程度正是消费者（主体）和产品（客体）、产品（物质态）和产品在线评论（信息态）之间的相互作用所产生的二元价值容介态的体现［6,7］。因此，产品在线评论的活跃度及其演化趋势，是产品竞争力和受关注程度的现在及未来状况的直接体现。如果将一段时间内的产品在线评论在固定时间间隔内处于的活跃状态，可以发现，不同产品在线评论对应图形的形状是有区别的，但从图形的走势上看，可以归类成几种

5、模式。对产品在线评论活跃状态演化模式的分析，可以找出产品所处的生命周期阶段，从而帮助厂商和卖家做出更为科学合理的营销决策。本文利用隐马尔可夫模型，对产品在线评论活跃状态演变进行建模分析，发现产品在线评论的时间变化趋势，最后采用时间序列聚类算法对不同产品对应的在线评论进行聚类，得到产品在线评论活跃状态演变的模式，并进行了分析。二、基于隐马尔可夫模型的产品在线评论活跃状态演化建模隐马尔可夫模型（HiddenMarkovModel,HMM）最初是在20世紀60年代后半期LeonardE.Baum和其他一些作者在一系列的统计学论文中捉出的边1。HMM最初的应用之一是开始于20世纪70年代

6、中期的语音识别，随后乂广泛应用于生物序列、故障诊断和信息提取等领域1^1。在某一吋间段内，产品在线评论数据数量对应着产品在线评论的活跃状态（activeness）。如果这段时间内，产品在线评论数据数量呈现快速增长的趋势,则产品在线评论所处活跃状态的活跃度比较高。本文采用基于隐马尔可夫模型的建模方法对产兄在线评论活跃状态进行建模，产兄在线评论的活跃度建模就相当于建立相应的隐马尔可夫模型并求解隐马尔可夫模型的第二类问题，即解码问题。（一）模型构建木文提出的模型构建过程分如下4个步骤：（1）S=（So,s,,•••,SK-,）是状态集合，状态数为N,s。表示主题的非活跃状态,3：到表示

7、主题的活跃性状态，iL活跃度依次增强。（2）观察值集合V是自然数所组成的集合，集合的每一个元素表示每一周内有关该主题的讨论帖的可能的数量。⑶观察值的概率分布矩阵B是由实际的观察值序列确定。设0=（0。，Ol,…，oT）表示观察值序列，a表示第t周内该产品的在线评论的数量，T表示该产品的在线评论观察周期讼度，即从出现有关该产品的在线评论的第一周起到观察截止曰期所经历的周数。从观察值序列可以得到一周内平均的产品在线评论数量和一周最大的产品在线评论数量，分别用avg和max来表示。本文