題目：從在線評論中挖掘產品創(chuàng)新理念 2021-08-01

題目：從在線評論中挖掘產品創(chuàng)新理念

報告人：樊衛(wèi)國教授 

報告時間：2021年8月2日（周一）上午9：00~11：00

騰訊會議：755548015

歡迎廣大師生參加！

主講人介紹：

樊衛(wèi)國，愛荷華大學管理科學系教授，現任信息系統(tǒng)領域重要期刊MIS Quarterly客座副主編，Information Systems Journal、Journal of Association for Information Systems、Information and Management等副主編。樊衛(wèi)國教授的主要研究方向包括：數據挖掘、文本挖掘、商務智能、社會化媒體數據分析、大數據分析等。其研究成果已被谷歌學者引用11792次（H-index = 52）。近五年，樊教授一直在美國愛荷華大學和弗吉尼亞理工大學從事社會計算、大數據及文本挖掘在商業(yè)領域的應用，商務智能與大數據的研究與開發(fā)，社交媒體數據分析及用戶行為，智慧健康等問題的研究，并取得了豐碩且具有創(chuàng)新性和影響力的成果，曾在管理與信息系統(tǒng)領域期刊和會議上發(fā)表200余篇學術論文。

 

講座內容：

在線客戶評論對產品創(chuàng)新的重要性已經在之前的文獻中得到了充分的認識。挖掘在線評論已經得到了廣泛的關注和努力。大多數現有的關于挖掘在線評論的研究集中在諸如評論對銷售的影響、評論的有用性以及顧客對評論的參與等問題上。然而，很少有研究試圖從在線評論中識別和提取產品的創(chuàng)新理念。從制造商的角度來看，此類信息對于產品功能改進和新功能開發(fā)尤為重要。挖掘產品創(chuàng)新理念使制造商能夠主動審查客戶意見并了解市場預期的新功能和特性，以獲得競爭優(yōu)勢。在本文中，我們提出了一種基于深度學習的方法來識別在線評論中包含創(chuàng)新思想的句子。具體來說，我們開發(fā)了一種新穎的集合嵌入方法，以生成評論句子中的詞匯的語義和上下文表示。然后，每個句子中的結果表征被用于長短時記憶（LSTM）模型，用于創(chuàng)新句子的識別。此外，我們在我們的模型中采用了一個焦點損失函數來解決類不平衡問題。我們用來自亞馬遜的10,000條顧客評論的數據集驗證了我們的方法。我們的模型獲得了0.91的AUC分數和0.89的F1分數，在比較中超過了一組最先進的基線模型。我們的方法可以擴展并應用于許多其他信息提取任務。