|
|
|
| 感性工学视角下的用户需求挖掘研究 |
| 贾丹萍, 靳健, 耿骞, 邓斯予 |
| 北京师范大学政府管理学院，北京 100875 |
|
| A Kansei Engineering Integrated Approach for Customer-needs Mining from Online Product Reviews |
| Jia Danping, Jin Jian, Geng Qian, Deng Siyu |
| School of Government, Beijing Normal University, Beijing 100875 |
|
|
|
摘要 以用户需求为中心的产品设计和营销策略，可以帮助企业在市场竞争中获得优势。而社会经济的快速发展，使得用户对产品的要求逐渐提高。用户期望产品在具备功能性特征的同时，拥有符合感性美学的设计，从而满足自身的感性需求。感性工学作为一种将用户感性情感与产品设计要素相关联的研究框架，可以有效挖掘用户感性需求。因此，本文在感性工学的视角下，以产品评论为语料，利用word2vec模型和滑动窗口技术半自动化生成用户感性情感词典和产品特征词表，并在此基础上提出特征-感性情感模型。本文以iPhone手机的产品评论为例，验证模型的有效性。结果表明，相较于传统的情感词典，结合感性工学理论进行情感分析可以更为有效地捕获用户感性需求，为企业提供决策支持。
|
|
| 关键词 ：
感性工学,
情感分析,
用户需求,
在线评论,
文本挖掘
|
|
收稿日期: 2019-04-04
|
| 基金资助:国家自然科学基金项目“差异化客户需求的提取及比较研究：基于产品在线评论的挖掘分析”（71701019/G0114）；教育部人文社会科学研究青年基金项目“面向论文评审专家推荐的兴趣变化挖掘与回避机制生成的研究”（16YJC870006）。 |
| 作者简介: 贾丹萍，女，1996年生，硕士研究生，研究方向为数据挖掘、产品设计 |
| 引用本文: |
贾丹萍, 靳健, 耿骞, 邓斯予. 感性工学视角下的用户需求挖掘研究[J]. 情报学报, 2020, 39(3): 308-316.
Jia Danping, Jin Jian, Geng Qian, Deng Siyu. A Kansei Engineering Integrated Approach for Customer-needs Mining from Online Product Reviews. 情报学报, 2020, 39(3): 308-316.
|
|
|
|
| 链接本文: |
| https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2020.03.008 或 https://qbxb.istic.ac.cn/CN/Y2020/V39/I3/308 |
1 QiJ Y, ZhangZ P, JeonS, et al. Mining customer requirements from online reviews: A product improvement perspective[J]. Information & Management, 2016, 53(8): 951-963.
2 HelanderM G, Po ThamM. Hedonomics—affective human factors design[J]. Ergonomics, 2003, 46(13-14): 1269-1272.
3 YanagisawaH. Kansei quality in product design[M]// Emotional Engineering. London: Springer, 2011: 289-310.
4 魏小利. 产品设计中的感性需求研究[D]. 济南: 山东轻工业学院, 2008.
5 孙永波, 高雪. 移动App营销模式对消费者购买意愿的影响[J]. 商业经济研究, 2016(16): 61-63.
6 XuX, WangX Q, LiY B, et al. Business intelligence in online customer textual reviews: Understanding consumer perceptions and influential factors[J]. International Journal of Information Management, 2017, 37(6): 673-683.
7 WangY R, LuX, TanY J. Impact of product attributes on customer satisfaction: An analysis of online reviews for washing machines[J]. Electronic Commerce Research and Applications, 2018, 29: 1-11.
8 JinJ, LiuY, JiP, et al. Understanding big consumer opinion data for market-driven product design[J]. International Journal of Production Research, 2016, 54(10): 3019-3041.
9 NagamachiM. Kansei engineering approach to automotive[J]. Journal of the Society of Automotive Engineers of Japan, 1989, 43: 94-100.
10 罗仕鉴, 潘云鹤. 产品设计中的感性意象理论、技术与应用研究进展[J]. 机械工程学报, 2007, 43(3): 8-13.
11 罗仕鉴, 朱上上. 用户和设计师的产品造型感知意象[J]. 机械工程学报, 2005, 41(10): 28-34.
12 WangW M, LiZ H, TianZ G, et al. Extracting and summarizing affective features and responses from online product descriptions and reviews: A Kansei text mining approach[J]. Engineering Applications of Artificial Intelligence, 2018, 73: 149-162.
13 郑丽娟, 王洪伟. 基于情感本体的在线评论情感极性及强度分析: 以手机为例[J]. 管理工程学报, 2017, 31(2): 47-54.
14 由丽萍, 郎宇翔. 基于商品评论语义分析的情感知识图谱构建与查询应用[J]. 情报理论与实践, 2018, 41(8): 132-136, 131.
15 范炜昊, 徐健. 基于网络用户评论情感计算的用户痛点分析——以手机评论为例[J]. 情报理论与实践, 2018, 41(1): 94-99.
16 JinJ, LiuY, JiP, et al. Review on recent advances of information mining, from big consumer data for product design[J]. Journal of Computing and Information Science in Engineering, 2019, 19(1): 010801.
17 KotlerP. Marketing management: The millenium edition[M]. New York: Prentice Hall, 2000.
18 李少波, 全华凤, 胡建军, 等. 基于在线评论数据驱动的产品感性评价方法[J]. 计算机集成制造系统, 2018, 24(3): 752-762.
19 王年文, 王剑. 面向感性需求的家庭服务机器人造型设计研究[J]. 机械设计, 2018, 35(11): 111-116.
20 王雪洁, 肖旺群. 基于感性意象的工业机器人造型设计研究[J]. 机械设计, 2016, 33(8): 117-120.
21 林晨晔. 基于感性工学的定量化色彩趋势研究[J]. 包装工程, 2015, 36(18): 70-73, 82.
22 田正清, 车建明, 李巨韬, 等. 基于感性工学与Kano模型的自行车造型需求研究[J]. 机械设计, 2017, 34(5): 113-118.
23 WangC H, ChinH T. Integrating affective features with engineering features to seek the optimal product varieties with respect to the niche segments[J]. Advanced Engineering Informatics, 2017, 33: 350-359.
24 HsiaoY H, ChenM C, LiaoW C. Logistics service design for cross-border E-commerce using Kansei engineering with text-mining-based online content analysis[J]. Telematics and Informatics, 2017, 34(4): 284-302.
25 ChiuM C, LinK Z. Utilizing text mining and Kansei engineering to support data-driven design automation at conceptual design stage[J]. Advanced Engineering Informatics, 2018, 38: 826-839.
26 王仁武, 宋家怡, 陈川宝. 基于word2vec的情感分析在品牌认知中的应用研究[J]. 图书情报工作, 2017, 61(22): 5-12. |
| [1] |
王燕鹏, 王学昭, 陈小莉, 李宜展, 刘细文. 基于科技政策和前沿动态的第四次工业革命关键技术和举措分析[J]. 情报学报, 2022, 41(1): 29-37. |
| [2] |
郭世杰, 陈芳, 韩涛, 王学昭, 王燕鹏, 吕璐成, 董璐. 基于文本挖掘的中美技术差距分析——以空间技术领域为例[J]. 情报学报, 2021, 40(8): 806-816. |
| [3] |
马捷, 郝志远. 机器学习视域下融合情感元素的社交网络信息交互度量化分析[J]. 情报学报, 2021, 40(7): 687-696. |
| [4] |
范涛, 吴鹏, 王昊, 凌晨. 基于多模态联合注意力机制的网民情感分析研究[J]. 情报学报, 2021, 40(6): 656-665. |
| [5] |
黄文彬, 白浩东. 基于自动构建术语分类体系的公司划分研究——以新三板公司主营业务概念为例[J]. 情报学报, 2021, 40(5): 479-488. |
| [6] |
章成志, 童甜甜, 周清清. 基于细粒度评论挖掘的书评自动摘要研究[J]. 情报学报, 2021, 40(2): 163-172. |
| [7] |
李江波, 张梁, 姜春林. Altmetrics视角下的人文社会科学学术专著影响力评价研究——基于BkCI、Amazon和Goodreads的比较分析[J]. 情报学报, 2020, 39(9): 896-905. |
| [8] |
白如江, 刘博文, 冷伏海. 基于多维指标的未来新兴科学研究前沿识别研究[J]. 情报学报, 2020, 39(7): 747-760. |
| [9] |
国显达, 那日萨, 高欢, 杨心怡. 基于Gaussian LDA的在线评论主题挖掘研究[J]. 情报学报, 2020, 39(6): 630-639. |
| [10] |
余传明, 郑智梁, 朱星宇, 安璐. 面向查询的观点摘要模型研究：以Debatepedia为数据源[J]. 情报学报, 2020, 39(4): 374-386. |
| [11] |
徐健, 吴思洋. 网络用户评论的情感分歧度量化算法研究[J]. 情报学报, 2020, 39(4): 427-435. |
| [12] |
马超, 李纲, 陈思菁, 毛进, 张霁. 基于多模态数据语义融合的旅游在线评论有用性识别研究[J]. 情报学报, 2020, 39(2): 199-207. |
| [13] |
徐琳宏, 丁堃, 陈娜, 李冰. 中文文献引文情感语料库构建[J]. 情报学报, 2020, 39(1): 25-37. |
| [14] |
周建, 刘炎宝, 刘佳佳. 情感分析研究的知识结构及热点前沿探析[J]. 情报学报, 2020, 39(1): 111-124. |
| [15] |
温有奎, 温浩, 乔晓东. 让知识产生智慧——基于人工智能的文本挖掘与问答技术研究[J]. 情报学报, 2019, 38(7): 722-730. |
|
|
|
|
