Wykorzystanie metod automatyzacji tekstu w analizie opinii konsumenckich

• Autorzy: Anna Gładysz

Warianty tytułu

Methods of Use of Automation Text Analysis Consumer Opinion

• Języki publikacji: PL

Abstrakty

Analiza opinii konsumenckich jest obszarem badań, który może mieć znaczący wpływ na rozwój działalności biznesowej przedsiębiorstwa. Jest też narzędziem, które może dostarczyć istotnych informacji mających wpływ na wizerunek firmy, co ma duże znaczenie dla firm działających na bardzo konkurencyjnym rynku. Wielu konsumentów przed dokonaniem wyboru towaru lub usługi przeszukuje Internet w poszukiwaniu opinii innych użytkowników sieci. Znalezione rekomendacje często odgrywają decydującą rolę podczas podejmowania decyzji. Aby nadążać za zmieniającymi się oczekiwaniami klientów, warto postawić na badania ich opinii. Narastająca liczba opinii dostępnych w sieci wytworzyła potrzebę ich automatycznej analizy i przetwarzania. Zagadnienie to zyskuje na popularności zarówno wśród badaczy, jak i wśród przedsiębiorców, dla których opinie konsumentów stanowią źródło informacji biznesowej. Dzięki stale rosnącej potrzebie dostępu do opinii klientów, a co za tym idzie - wiedzy i informacji, które można z nich czerpać, narzędzia umożliwiające automatyzację procesu pozyskiwania z nich kluczowych i strategicznych informacji zyskują na znaczeniu. Problem ten wymaga nieco innego spojrzenia na dane i doboru określonego sposobu ich analizowania za pomocą technik eksploracji danych, zwłaszcza tekstowych. Głównym celem pracy jest przeprowadzenie analizy automatycznej klasyfikacji opinii z wykorzystaniem eksploracyjnych metod analizy tekstu oraz metody opartej na wzorcach. Wykorzystane podejścia zostaną porównane z tymi dotychczas stosowanymi w badaniach. Wykorzystanie informacji pozyskanych z opinii klientów przyczynia się do zwiększenia wiedzy pracowników na wszystkich szczeblach organizacji, zapewnia dostęp do odpowiednich informacji we właściwym czasie, dzięki czemu wpływa na trafność podejmowanych decyzji biznesowych. (abstrakt oryginalny)

EN

The analysis of consumer opinion is an area of research that may mean months impact on the development of business enterprises. It is also a tool that can provide relevant information affecting the company's image, which is important for companies operating in a highly competitive market. Increasing the number of reviews available on the network has created the need for their automatic analysis and processing. This issue is gaining popularity among researchers and among entrepreneurs, for whom consumer reviews are a source of business information. With the ever-growing need for access to customer feedback, and thus the knowledge and information that can derive from them, tools to automate the process of acquiring the key and strategic information they are gaining in importance. This problem requires a slightly different view of the data and the selection of a particular method of analysis using data mining techniques, especially text. The main aim of this work is to analyse automatic classification opinion using exploratory methods of text meaning and methods based on patterns. Used approach will be compared with previously used in the research. Use of information obtained from customer feedback helps to raise awareness of employees at all levels of the organization, provides access to the right information at the right time, which affects the accuracy of business decisions. (original abstract)

Słowa kluczowe

PL

Konsument; Badanie opinii; Decyzje konsumenckie; Konsumencka ocena produktu; Metody badań konsumenckich; Eksploracja opinii

EN

Consumer; Opinion research; Consumer decision; Consumer Product Rating; Methods of consumer research; Opinion mining

• Czasopismo: Modern Management Review
• Rocznik: 2016
• Tom: 21 (XXI)
• Numer: nr 23 (2)
• Strony: 31--42

Twórcy

autor

Anna Gładysz

• Politechnika Rzeszowska im. Ignacego Łukasiewicza

Bibliografia

• [1] Cambria E., Schuller B., Yunqing X., Havasi C., New avenues in opinion mining and sentiment analysis, "Intelligent Systems, IEEE"2013/28, s. 15-21.
• [2] Cummins R., O'Riordan C., Evolving general term weighting schemes for information retrieval: Tests on larger collections, "Artif.Intell.Rev." 24/3-4(2005), s. 277-299.
• [3] Hu N., Pavlou P., Zhang J., Can online reviews reveal a product's true quality?: empirical findings and analytical modeling of Online word-of-mouth communication, Proceedings of the 7th ACM conference on Electronic commerce, ACM, 2006, s. 324-330.
• [4] Hu N., Zhang J.,Pavlou P.A., Overcoming the J-shaped distribution of product reviews, "Commun. ACM" 52/10 (2009), s. 144-147.
• [5] Kohonen T., Kaski S., Lagus K., Salojrvi J., Honkela J., Paatero V., Saarela A., Self-organization of a massive document collection, IEEE Transactions on Neutral Networks, 2000/11, s. 574-585.
• [6] Larose D., Odkrywanie wiedzy z danych, Wydawnictwo Naukowe PWN, Warszawa 2006.
• [7] Liu B., Web Data Mining. Exploring Hyperlinks, Contents, and Usage Data, Springer-Verlag Berlin, Heidelberg 2007.
• [8] Liu B., Opinion Mining and Sentiment Analysis, [w:] idem,Web Data Mining, Data-Centric Systems and Applications, Springer, Berlin-Heidelberg 2011, s. 459-526.
• [9] Lula P., Automatyczna analiza opinii konsumenckich, [w:]Taksonomia 18, Klasyfikacja i analiza danych - teoria i zastosowania, red. K. Jajuga, M. Walesiak, Wydawnictwo UE we Wrocławiu, Wrocław2011.
• [10] Lula P., Wójcik K., Sentiment analysis of consumer opinions written in Polish, "Economics and Management" 2011, s. 1286-1291.
• [11] Manning C.D., Raghavan P., Schütze H., Introduction to Information Retrieval, Cambridge University Press, Cambridge 2008.
• [12] Manning C.D., Schütze H., Foundations of Statistical Natural Language Processing, The MIT Press, Cambridge, Mass., 2001.
• [13] Mudambi S., Schu- D., What makes a helpful online review? A study of customer reviews on Amazon. com, "MIS Quarterly" 34/1 (2010), s. 185-200.
• [14] Pang B., Lee L., Seeing Stars: Exploiting Class Relationships for Sentiment Categorization with Respect to Rating Scales, Proceedings of the 43rd Annual Meeting on Association for Computational Linguistics, Stroudsburg, PA, 2005,s.115-124.
• [15] Pang B., Lee L., Opinion Mining and Sentiment Analysis,"Foundations and Trends in Information Retrieval" 2/1-2(2008), s. 1-135.
• [16] Rajaraman A., Ullman J.D., Data Mining. Mining of Massive Datasets, Cambridge University Press, New York 2012.
• [17] Salton G., Wong A., Yang C.S., A vector space model for automatic indexing, "Communications of the ACM" 1975/18, s. 613-620.
• [18] Zhu F., Zhang X., Impact of online consumer reviews on sales: The moderating role of product and consumer characteristics, "Journal of Marketing" 74/2 (2010), s. 133-148.
• [19] Zipf G., Human Behaviour and the Principle of Least Effort, Cambridge 1949.

Identyfikatory

DOI

10.7862/rz.2016.mmr.14