Zastosowanie technik eksploracji tekstu do analizy opinii konsumenckich

• Autorzy: Marcin Olszewski , Tomasz Ząbkowski

Warianty tytułu

Application of Text Mining Techniques for the Customer Reviews Analysis

• Języki publikacji: PL

Abstrakty

W niniejszej publikacji zaproponowano jedną z metod eksploracji danych - reguły asocjacyjne do wykrycia zależności w opiniach konsumenckich, na przykładzie opinii jednego z hoteli amerykańskich. Wykorzystanie tej techniki wynikało m.in. z dużej ilości dostępnych danych oraz faktu, że otrzymane reguły w sposób niezwykle czytelny prezentują zależności znalezione w danych. W badaniu odkryto szereg reguł, które mogą stanowić cenne źródło informacji o jakości usług oraz postrzeganiu obiektu przez klientów korzystających z usług hotelowych. (abstrakt oryginalny)

EN

This paper presents application of one of data mining techniques - association rules to analyze customer reviews, based on the data gathered at one of the American hotels. The application of association rules is due to the large volume of available review data and the fact that the rules can be presented in a very clear and meaningful way. The study resulted in a number of interesting rules that can be a valuable source of information about the quality of services and the perception of the hotel by the clients. (original abstract)

Słowa kluczowe

PL

Badanie opinii; Badania konsumenckie; Analiza tekstu

EN

Opinion research; Consumer research; Text analysis

• Czasopismo: Metody Ilościowe w Badaniach Ekonomicznych / Szkoła Główna Gospodarstwa Wiejskiego
• Rocznik: 2014
• Tom: 15(XV)
• Numer: nr 4
• Strony: 101--110

Twórcy

autor

Marcin Olszewski

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

autor

Tomasz Ząbkowski

• Szkoła Główna Gospodarstwa Wiejskiego w Warszawie

Bibliografia

• Agrawal R., Srikant R. (1994) Fast Algorithms for Mining Association Rules, IBM Research Report RJ9839, IBM Almaden Research Center San Jose, California.
• Amir A., Auman Y., Feldman R., Fresko M. (2005) Maximal Association Rules: A Tool for Mining Associations in Text, Journal of Int. Information Systems, str. 333-345.
• Borycki Ł., Sołdacki P. (2002) Automatyczna klasyfikacja tekstów, in: Mat. III Krajowej Konferencji: Multimedialne i Sieciowe Systemy Informacyjne, str. 473-481.
• Ganesan K., Zhai C. (2011) Opinion-Based Entity Ranking, Information Retrieval. [Online http://archive.ics.uci.edu/ml/datasets/OpinRank+Review+Dataset]
• Gunther R., Levitin L., Shapiro B., Wagner P. (1996) Zipf's law and the effect of ranking on probability distributions, Int. Journal of Theoretical Physics, 35(2), str. 395-417.
• Han J., Kamber M. (2001) Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher.
• Larose D. (2006) Odkrywanie wiedzy z danych, Wydawnictwo Naukowe PWN, Warszawa.
• Morzy T. (2013). Eksploracja danych. Wydawnictwo Naukowe PWN, Warszawa.
• Pasztyła A. (2005) Przykład badania wzorców zachowań klientów za pomocą analizy koszykowej, Data mining: poznaj siebie i swoich klientów (pub. elektr.). Statsoft, Kraków.
• Rajaraman A., Ullman J.D. (2012) Data Mining. Mining of Massive Datasets. Cambridge University Press, New York.
• Słownik przyimków w języku angielskim (2013) [Online http://www.englishclub.com/grammar/prepositions-list.htm (2013-12-30)]
• Słownik spójników w języku angielskim (2013) [Online http://www.english-grammarrevolution.com/list-of-conjunctions.html (2013-12-30)]
• Słownik wykrzykników w języku angielskim (2013) [Online http://www.vidarholen.net/contents/interjections (2013-12-30)]
• Tan P., Steinbach M., Kumar V. (2005) Introduction to Data Mining, Addison-Wesley, Boston.
• Ward M. (1997) 50 najważniejszych problemów zarządzania, Wydawnictwo Profesjonalnej Szkoły Biznesu, Kraków.