关于深度学习的在线评论挖掘及需求获取方法

针对传统用户需求获取方法数据量少、实时性差、成本过高等问题,提出一种基于深度学习获取用户生成内容(User-Generated Content,UGC)有效数据的在线评论挖掘及需求获取方法.以电子商务平台在线评论信息为数据源构建UGC在线评论语料集,并提出了一种结合机器学习与人工审查的需求获取方式,通过卷积神经网络过滤大型UGC在线评论语句的非信息性内容,并利用数据分析工具对用户需求嵌入密集的相似性语句进行聚类分析,以避免对重复性内容进行采样.最后由专业分析人员对机器学习所提取的用户需求进行有效审查以提升需求信息准确率.通过老年代步车设计需求获取过程为案例验证模型,证明了所研究方法的高效性和准确性.利用对用户反馈信息的分析,为企业新产品研发提供了理论支持与技术支撑.