南京理工大学本科生毕业论文开题报告
课题名称：
《基于在线评论的手机产品设计改进研究》
文献综述
在各大购物平台不断完善、发展的进程中，“消费者在线评论”这一机制凭借对消费者、潜在消费者、商家、制造商等多个利益相关群体的独特价值而备受关注——消费者借此反馈产品质量信息、维护自身权益、潜在消费者借助它们寻找适合自己的商品、商家及制造商则通过评论反馈信息来掌握市场需求、调整经营决策。对此，学者们也围绕“在线评论”从不同视角展开了大量研究：
宋苏娟和彭卫等（2020）从在线评论对消费者的有用性这一角度，结合信息采纳模型，从中心路径的量化指标出发，基于评论本身评论长度、星级评分、评论回复数、评论时长等基础特征，构建了在线评论对消费者有用性的影响因素模型，并最终得出：评论回复数对在线评论有用性的影响最为显著的等结论。
不同于以评论自身特征为研究对象，徐自跃（2018）引用数据挖掘相关理论，进一步挖掘在线评论文本内容包含的信息及价值。作者以京东2016年销量前5的手机作为研究对象爬取评论数据，将爬取的信息进行数据清洗、高频词提取计数等处理后，确定出一系列用户关注的特征因素变量，如外观、物流、性能及价格等，为商家制定营销策略进而实现精准营销提出了可行性建议。
同样是从评论对消费者有用性的角度，李健和张军等（2018）借助信息质量以及消费者满意度相关理论，针对以往大多研究单纯依赖评论字面语义识别，缺乏对消费者评论的潜文本等深层次信息价值的挖掘的局限之处进行了改进研究，并建议未来的研究进一步从改进在线商品评论信息质量角度和挖掘消费者个性特征出发，寻找与消费者个人偏好匹配的高效用评论。
关于情感分析，韩科伦与范英杰等（2015）在研究影响不同类型产品销量的因素中也应用了此方法，作者以京东商城上的图书和手机作为研究对象，运用情感分析、产品特征挖掘技术，从在线评论的情感倾向出发研究影响产品销量的因素。分析得出：对于体验型产品图书来说图书内容、印刷、质量对于其销量影响最大，对于搜索型产品手机来说服务、用户定位、外观对于其销售量的影响最大的结果。
随着文本挖掘的方法、模型逐渐完善，对在线评论的研究也不只局限于从消费者、在线商家的角度，致力于建立起对消费者有用且相应促进商家销量增长的评论筛选机制，开始通过判断评论情感极性等方法探索用户满意程度并借此掌握产品改进的方向。
郑丽娟与王洪伟（2017）也指出，已有对在线评论的研究大多单独采用语义方法或统计方法进行单粒度的情感分类，而语义方法借助已有情感词典，忽略了上下文语境，影响分类准确率；统计方法需要对大量语料进行人工标注，影响分类效率。对此，他们提出了一种基于情感本体的在线评论情感极性及强度分析方法，验证结果显示，该方法可以有效地给出用户对产品整体和属性细节的满意或不满意的态度。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
