《表1 特征化量表：面向产品设计改进的在线评论挖掘》
提示：宽带有限、当前游客访问压缩模式
基于分词和标记的方法，对评论进行特征提取和量化。特征分为评论元数据特征、语言特征、信息质量特征和信息论特征[8]。表1说明了各类特征中包括的变量以及各变量的量化方式，其中对第四类信息论特征作出如下说明:
| 图表编号 | XD0090198500 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2019.10.01 |
| 作者 | 王克勤、毋凤君 |
| 绘制单位 | 西北工业大学管理学院、西北工业大学管理学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 主题挖掘结果：基于LDA主题模型和直觉模糊TOPSIS的农产品在线评论情感分析》2020.09.01
- 《表5 多元回归方程结果：在线评论有用性的深度数据挖掘——基于TripAdvisor的酒店评论数据》2020.10.08
- 《表1 评论的城市分布表：在线评论有用性的深度数据挖掘——基于TripAdvisor的酒店评论数据》2020.10.08
- 《表1 学习者访谈表：面向MOOC课程评论的态度学习挖掘分析研究》2020.05.10
- 《表1 食品产品种类：消费者更关注哪些产品特征——以食品领域在线评论作为研究对象》2020.07.30
- 《表2 产品特征：消费者更关注哪些产品特征——以食品领域在线评论作为研究对象》2020.07.30
- 《表1 研究假设：移动通信技术发展背景下的在线评论形式演进及价值挖掘》2020.05.20
- 《表3-1高频词汇统计表：基于在线评论数据挖掘的旅游订购意愿研究》2020.08.01
- 《表2 在线评论高频词表：基于手机在线评论的特征挖掘》2019.11.05
- 《表1 数据集示例：面向旅游在线评论情感词典构建方法》2019.06.01
- 《表1 2 部分否定词表：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表1 4 情感词典：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表1 3 属性词典：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表3 方差分析表：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表2 模型汇总表：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表1 0 系数表：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表4 系数表：面向产品设计改进的在线评论挖掘》2019.10.01
- 《表2 耗费时间对比：面向互联网在线视频评论的情感分类技术》2019.05.10
- 《表6 假设结果汇总：异质产品的在线评论特征对产品销量的影响》2019.07.15
- 《表8 固定句式样例：面向App用户评论的软件特征挖掘研究》2019.07.30