学位论文 > 优秀研究生学位论文题录展示

B2C在线评论中的客户知识管理研究

作　者: 邓斌
导　师: 邵培基
学　校: 电子科技大学
专　业: 管理科学与工程
关键词: 客户知识管理 B2C 在线评论信息抽取文本分类
分类号: F724.6;F224
类　型: 博士论文
年　份: 2010年
下　载: 430次
引　用: 0次
阅　读: 论文下载

内容摘要

近几年B2C模式的电子商务在中国得到了快速的发展。B2C企业通过吸引消费者购物后对商品进行在线评论,方便了消费者对产品质量和销售服务的了解,降低了消费者的感知风险,培养了消费者对网络购物的信任,促进了网络购物的繁荣。B2C在线评论表达消费者的使用感受,传达出客户潜在需求,成为一种关键的战略资源和竞争要素,是一种重要的客户知识的来源。通过对在线评论的挖掘分析可以帮助企业进一步完善服务、提高管理。分散在不同B2C电子商务网站的在线评论,以非结构化的文本形式由客户主动提供。如何收集、发掘、管理B2C在线评论中的客户知识,帮助企业以较低的成本获得客户商品使用意见和服务感受,发掘客户潜在需求,成为本学科研究热点。现有研究对于B2C在线评论中客户知识的产生、在线评论的获取、评论中客户知识智能处理、客户知识的信息化管理等问题尚有不足之处。本文对B2C在线评论中客户知识管理的几个关键问题进行研究,主要研究内容如下:首先,通过理论分析建立消费者在线评论参与行为假设模型,研究消费者主动把隐性知识转换为显性知识的过程。采用问卷调查的方法,分析了消费者在线评论参与行为的动机,以及参与行为与网站忠诚度的关系。探寻了B2C企业如何更好的制定策略,以激励消费者更多参与评论、贡献自身知识。其次,对于在线评论分散在不同B2C网站,且通常以半结构化的网页形式展示,不便于分析处理的问题。研究了对多个信息源在线评论进行网络信息抽取方法。利用Choquet积分改进HMM在网络信息抽取的效果,既可以用于商品信息的抽取也可以实现对在线评论的获取,为企业收集信息提供了有效的工具。再次,研究在线评论中客户知识的智能分类处理。本文构建了在线评论的内容分类类别体系,对在线评论通过模糊测度和D-S理论提高K-临近方法对文本分类的效果,实现有效地对在线评论内容进行分类。通过对客户评论进行归类,帮助企业获取在线评论中的客户知识。最后,针对企业需要灵活、快速的部署需求,结合面向服务架构模型(SOA)和本体理论,研究了如何建立有效的客户知识管理系统来实现B2C企业对在线评论中的客户知识的管理和有效利用。提出了在线评论客户知识管理系统的功能设计,系统的体系结构设计,并对系统的工作流程进行了分析设计。综上所述,本文通过对B2C在线评论中客户知识管理的几个关键问题进行研究,可以为B2C企业制定在线评论激励策略提供参考;同时,在线评论的抽取和分类方法,可以帮助企业更好的借助技术手段实现对在线评论的管理;基于SOA的客户知识管理系统的设计也为企业开发相应的信息系统提供重要的参考。

全文目录

摘要  5-7
ABSTRACT  7-12
第一章绪论  12-40
  1.1 研究背景和意义  12-14
    1.1.1 研究背景  12-13
    1.1.2 研究意义  13-14
  1.2 相关文献综述  14-36
    1.2.1 在线评论研究综述  14-24
      1.2.1.1 口碑  15-16
      1.2.1.2 网络口碑  16-21
      1.2.1.3 在线评论  21-24
    1.2.2 客户知识管理研究综述  24-36
      1.2.2.1 知识管理  24-26
      1.2.2.2 客户知识管理  26-28
      1.2.2.3 客户参与  28-29
      1.2.2.4 网络知识获取  29-32
      1.2.2.5 知识智能分类方法  32-35
      1.2.2.6 知识管理系统  35-36
  1.3 问题的提出  36-38
  1.4 本文研究内容和结构  38-40
第二章客户在线评论参与行为研究  40-62
  2.1 引言  40-43
  2.2 研究假设  43-47
  2.3 研究方法  47-49
    2.3.1 量表的选择  48
    2.3.2 数据收集  48-49
  2.4 数据分析  49-58
    2.4.1 基本描述性统计  50
    2.4.2 信度分析  50-52
    2.4.3 效度分析  52-53
    2.4.4 建模拟合  53-55
    2.4.5 假设验证结果  55-58
  2.5 研究讨论  58-61
  2.6 本章小结  61-62
第三章基于多信息源的在线评论知识获取研究  62-80
  3.1 引言  62-64
  3.2 基础理论  64-71
    3.2.1 隐马尔可夫模型  64-69
    3.2.2 模糊积分  69-71
  3.3 基于Choquet 积分的HMM 模型  71-73
  3.4 实验验证  73-78
  3.5 本章小结  78-80
第四章客户在线评论知识的分类处理研究  80-100
  4.1 引言  80-82
  4.2 在线评论内容分类体系构建  82-84
    4.2.1 电子商务网站评价方法  82-83
    4.2.2 分类指标体系的构建  83-84
  4.3 基于模糊测度KNN 评论分类  84-92
    4.3.1 基础理论  84-87
    4.3.2 模型描述  87-88
    4.3.3 过程算法  88-90
    4.3.4 数据实验  90-92
  4.4 客户在线评论知识分类  92-98
    4.4.1 评论的预处理  92-95
    4.4.2 评论数据及实验设计  95
    4.4.3 实验结果及分析  95-98
  4.5 本章小结  98-100
第五章在线评论客户知识管理系统构建研究  100-117
  5.1 引言  100-102
  5.2 基础理论  102-105
    5.2.1 SOA  102-104
    5.2.2 本体  104-105
  5.3 RCKMS 功能设计  105-109
  5.4 RCKMS 体系结构设计  109-112
  5.5 RCKMS 流程设计  112-116
  5.6 本章小结  116-117
第六章研究结论与展望  117-120
  6.1 主要结论和创新点  117-119
  6.2 研究局限与展望  119-120
致谢  120-121
参考文献  121-139
附录：调查问卷  139-142
攻读博士期间的学术成果  142-143
攻读博士期间参加的科研项目  143-144

B2C在线评论中的客户知识管理研究

内容摘要

全文目录

相似论文