没有合适的资源?快使用搜索试试~ 我知道了~
基于文本挖掘的消费者感知价值对P2P住宿重复购买意愿影响
数据科学与管理3(2021)22研究文章基于网络评论的消费者感知价值对重复购买意愿的影响--基于文本挖掘的张宁a,刘荣a,*,张晓阳b,庞志良a青岛大学商学院,青岛,266071b曼彻斯特大学社会科学学院,曼彻斯特,M13 9PL,英国A R T I C L E I N F O保留字:共享经济点对点住宿重复购买意向LDA主题模型情绪分析A B S T R A C T社交网络、移动支付等IT技术的进步和社会经济环境的变化推动了共享经济的出现 作为一种颠覆性的商业模式,共享经济正在全球范围内以惊人的速度发展。然而,消费者持续参与共享经济的影响因素尚不清楚。本文旨在阐明共享经济下消费者感知价值与重复购买意愿之间的关系以共享经济平台Airbnb为例,提出了P2P住宿租赁服务中消费者感知价值的维度框架,包括功能价值、享乐价值、认知价值和社会关系价值。利用大数据技术对P2P住宿平台的在线点评进行抓取运用LDA(Latent Dirichlet Allocation)主题模型和情感分析方法构建了基于在线评论的感知价值测量指标。重复购买意愿变量是从在线评论中提取的。通过结构方程模型检验感知价值维度对P2P住宿消费者重购意愿的影响,发现感知价值维度对P2P住宿消费者重购意愿有正向影响。此外,社会关系价值被认为是最重要的影响因素。1. 介绍共享经济是一种点对点的活动,在同行之间提供,共享或获得产品和服务(Jiang和Tian,2018)。共享经济因其能够提高社会资源利用率,满足消费者及时、多样化、定制化的需求,受到各领域的广泛欢迎。它不仅改变了人们的消费模式,还可能对传统的商业模式产生颠覆性的影响,其中旅游领域的P2P住宿在线短租行业正在迅速发展如何促进消费者对共享住宿的重复购买行为成为学术研究亟待解决的关键问题为顾客提供导致再购买意向的服务已被视为包括酒店业在内的各种服务行业竞争优势的关键因素和来源(Halstead和Page,1992)。回头客对于P2P住宿来说尤其重要,因为这些现有客户可以轻松地切换回传统服务提供商,即酒店(Mao和Lyu,2017)。深入分析影响P2P住宿重复购买意愿的因素,可以使P2P服务提供商留住和吸引更多的客户,进一步帮助P2P住宿行业以可持续的方式发展(Tussyadiah,2016)。因此,在P2P住宿方面,迫切需要找到回购意愿的具体前因或驱动因素。 相关文献探讨了影响消费者P2P住宿行为意图的驱动因素,例如 成 本 节 约 、 真 实 体 验 、 环 境 问 题 和 社 交 ( Guttentag , 2015;Mo€hlmann,2015;Pung等人, 2019; Young等人, 2017年)。然而,目前对消费者重复购买行为的影响因素研究较少社交媒体与电子商务的融合为消费者提供了一个表达对产品或服务看法的平台,在消费者的决策过程中发挥着重要作用。以往大量文献采用问卷调查的方法探讨了行为意向的前因虽然消费者感知价值理论一直被认为是一种同行评议由Xi交通大学负责* 通讯作者。电子邮件地址:idonia17854278920@126.com(R. Liu).https://doi.org/10.1016/j.dsm.2021.09.001接收日期:2021年6月27日;接收日期:2021年9月9日;接受日期:2021年9月28日2021年10月1日网上发售2666-7649/©2021 Xi'an Jiaotong University.出版社:Elsevier B.V.代表科爱通信有限公司公司这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表数据科学与管理杂志主页:www.keaipublishing.com/en/journals/data-science-and-managementN. Zhang等人数据科学与管理3(2021)2223作为服务业各个领域重复购买意愿的重要前因(Chen and Dubinsky,2003),很少有研究探讨感知价值对P2P住宿领域行为意愿的影响将感知价值理论应用于P2P住宿领域,探讨共享经济环境下消费者感知价值对重复购买行为的影响 作为开放结构的结果,在线文本评论包含关于消费者对其入住体验的感知和评价的丰富信息(Chen等人, 2019年)。在此基础上,采用文本挖掘方法构建了感知价值的功能价值、享乐价值、认知价值和社会关系价值测量指标,并提取了重复购买意愿变量Airbnb上消费者感知价值与行为意向关系的研究,为平台和房东更好地服务消费者、增加未来消费需求提供了重要启示本文件其余各节安排如下。第二节回顾了相关文献,并提出了假设。下一节介绍方法并进行数据分析。第四部分介绍了结果。最后,第五部分概述了主要结论,然后讨论了理论贡献、实践意义、本研究的局限性以及未来研究的方向。2. 文献综述2.1. P2P住宿P2P住宿行业寻找传统住宿中未满足的需求,提供一个平台,将分散的消费者聚集在一起,并将他们剩余的财产资源分配给彼此。先前关于P2P 适 应 的 研 究 集 中 在 宏 观 层 面 的 初 步 探 索 , 重 点 是 概 念 发 展(Andriotis和Agiomirgianakis,2014; Belk,2014),其对社会经济,生态和政治方面的影响(Fang等人, 2016; Gutentag,2015; Wang等人,2018),以及新兴经济模式带来的监管问题(Grimmer et al.,2019年)。随着P2P住宿的发展日益成熟,Airbnb等新兴公司的成功案例对旅游消费模式和酒店行业产生了重大影响。这一现象背后的深层次原因引起了众多学者的研究兴趣,成为旅游接待业的研究热点。消费者参与P2P住宿背后的动机受到众多学者的关注。 相关研究发现,入住P2P住宿的各种好处是使用P2P住宿的意图的决定因素,例如经济利益(Gut-tentag,2015;Mo€ hlmann,2015),真实体验,社交互动,位置(Pung等人, 2019年),好奇心和新奇寻求(Lvanic和Weismayer,2018年)和更像家的体验(Olya等人, 2018年)。应用于传统饭店服务业消费者行为意向的研究。在不同类型的住宿中,如在豪华酒店,中豪华酒店,经济型酒店和绿色酒店(Ahn和Kwon,2019;Peng和Chen,2019),许多研究人员发现消费者感知价值对重复购买意愿有直接或间接的影响。然而,在共享经济环境下,P2P住宿领域感知价值与行为意向之间关系的研究仍然有限。为此,基于感知价值理论,通过文本挖掘方法构建了网络评论中的重购意愿变量,研究了感知价值对P2P住宿领域行为意愿的影响。2.2. 消费者感知价值感知价值的概念源于消费者行为理论,该理论考虑消费者的感受和态度,以了解他们在竞争环境中购买某些产品的倾向(Jamal等人,2011年)。Zeithaml(1988)将感知价值定义为“消费者基于他们被给予和接受的感知对产品效用的总体评估一些酒店文献和营销文献试图用“物有所值”的单一指标量表来然而,感知价值不仅包括产品的价格,还包括影响消费者决定购买特定产品的各种心理因素(Zeithaml,1988),如质量,情感反应和声誉(Petrick,2002)。Al-Sabbahy等人(2004)也坚持认为感知价值是由多个维度组成的,单一的指标量表无法完全表达感知价值的概念。此外,从体验营销的角度来看,消费者感知价值本质上是情境性的(EL-Adly和Eid,2016;Hol-brook,2006)。因此,如表1所示,该结构在不同领域具有不同的尺寸。许多研究提出了感知价值的一些共同维度,如功能价值、享乐价值和认知价值。Sheth等(1991)提出了社会价值、情感价值、功能价值、认知价值和条件价值的五维模型,为感知价值量表的编制提供了坚实的基础Sweeney and Soutar(2001)考虑到认知价值与产品的惊喜或新颖性有关,而条件价值仅在产品的效用取决于产品被购买的特定环境时才出现,因此对原有量表进行了修正,从功能(质量和价格)、情感和社会价值三个维度定义了感知价值,拓展了学者们对零售消费者感知价值的理解。结果显示,当表1不同领域的感知价值维度。各种理论被用来解释这一现象和实践。P2P适应的技巧,包括社会实践理论(Huber,作者(年份)上下文感知价值维度2017),网络社会性(Molz,2012),社会认知理论和计划行为理论(Bucher等人, 2016)和自决理论(Tussyadiah,2016)。 根据自我决定理论,影响消费者参与共享经济的因素主要包括内在动机和外在动机。与P2P适应相关的内在动机包括由于娱乐和好奇心而从体验中获得的享受(Bellotti等人,2015);外在动机包括对社区的渴望和归属感(Mo€ hlmann,201 5)。MaoandLyu(2017)提出并检验了一个整合计划行为理论、前景理论和其他P2P住宿相关结构的模型,以探讨P2P住宿回购意愿的主要决定因素。感知价值在服务中扮演了许多行为结果的前因,如重访意图和客户忠诚度(Chen和Dubinsky,2003)。感知价值理论Sheth等人(1991年)03The Dog(2001)威廉姆斯和苏塔(2009)Jamal等人(2011年)El Adly(2019)商业功能价值,社会价值,情感价值,认知价值,条件价值零售质量、情感、价格和社会价值旅游功能价值金钱、社会价值、情感价值和认识价值旅游功能价值,体验价值和情感价值酒店自我赞美,美学,价格,声望,交易,享乐,质量商业研究杂志零售杂志Annals of TourismResearch零售与消费者服务N. Zhang等人数据科学与管理3(2021)2224解释消费者的选择,这些多个价值维度的表现优于单一价值维度,如“物有所值”。事实上,基于利益与牺牲比较的方法是一种认知理性方法,而多维方法则试图从认知系统和情感系统的角度来解释这一概念 Jamal等人(2011)也使用了一个多维度的量表来测试游客在寄宿家庭的感知价值,主要包括功能价值(即价格和设施)、体验价值(即体验价值)、居住价值(即居住价值)和居住价值(即居住价值)。活动、文化、知识、主客互动)和情感价值维度。El-Adly(2019)将酒店感知价值概念化为七个维度的多维结构,包括认知和情感方面。基于上述研究,本文将P2P住宿领域的消费者感知价值分为功能价值、享乐价值、认知价值和社会价值四个维度。2.3. 感知价值对行为意向的影响感知价值是指“消费者对产品或服务的效用的总体评估,基于对所接受和所给予的感知”(即感知收益和感知成本之间的权衡),它起源于消费者行为理论(Zeithaml,1988)。在过去的几十年里,随着越来越多的消费者变得以价值为导向,消费者感知价值在旅游和酒店领域得到了广泛关注(El-Adly和Eid,2015)。大多数关于住宿环境的研究都采用感知价值作为整体价值的单项量表(Oh,1999; Worsfold等人, 2016)或作为一维构建体(Chen和Chen,2010; Ryu等人, 2012; So等人, 2013;Tanford等人, 2012; Yoon等人, 2010年)在调查消费者感知价值和行为意图之间的关系。然而,消费者和企业之间的互动以及服务体验的异质性决定了更适合服务业的感知价值是多维的(Petrick,2002; Sheth etal.,1991; Sweeney和Soutar,2001)。在酒店住宿的背景下,相关文献探讨了感知价值的多个维度,包括功能 价 值 ( Peng 和 Chen , 2019 ) , 享 乐 价 值 ( Ahn 和 Kwon ,2019;Park,2019;Peng和Chen,2019),社会价值(Ahn和Kwon,2019;Park,2019),以及认识价值((Küpeli和O€zer,2020)等,这丰富了感知价值的内涵,揭示不同感知价值维度对消费者行为意向的作用机制。有足够的研究发现,感知价值会影响消费者的情绪,进而影响豪华酒店或绿色酒店的再购买意愿(Ahn和Kwon,2019; Park,2019; Peng和Chen,2019)。El-Adly(2019)的研究还表明,酒店感知价值的四个维度(享乐、价格、质量和交易)通过满意度作为中介对消费者行为意向产生间接显著的正向影响考虑到感知价值的情境性(EL-Adly andEid,2016;Holbrook,2006),以及感知价值维度在不同领域的差异,本文分析了P2P住宿领域的感知价值维度,并讨论了这些维度与消费者行为。2.4. 假设发展功能价值被定义为“从替代品的功能,实用或物理性能的能力中获得的感知效用”(Sheth等人, 1991年),这被视为消费者选择的主要驱动力。Tynan产品通过其质量、可靠性、耐用性和价格来反映产品的功能价值(Tynan等人,2010; Vigneron和Johnson,2004; Wiedmann等人, 2009年)。 酒店和餐馆属于服务行业,它们不仅提供有形产品(如酒店客房、设施、菜单、美味食品等), 而且还有客房服务和高度复杂的消费环境(Chen和Hu,2010; Dortyol等人, 2014; Lee和Hwang,2011)。功能价值体现在有形因素(服务质量)和无形因素上(大气层)。 酒店和餐饮相关领域的研究发现,有形的产品质量和无形的氛围质量都会影响消费者的行为意向(Bujisic et al., 2014; Chen等人, 2015年)。 与酒店、餐饮等服务行业类似,P2P住宿感知功能价值所反映的有形和无形要素包括房间、设施、服务质量和环境。这些功能价值能够促进消费者的重复购买行为.因此,我们提出以下假设:H1。P2P住宿的感知功能价值对消费者的重复购买意愿有享乐价值是指从产品的情感、社会、声誉和美学方面获得的价值意识体验(Chen and Hu,2010),与消费者对娱乐、享受、愉悦和刺激的渴望有关(Ha and Jang,2010 ; Hyun and Park,2016;Park,2004)。就消费者体验而言,享乐价值涉及产品或服务的独特性,或者它在消费者之间引发的情感联系(Overby和Lee,2006)。它在酒店服务中尤为突出,因为这种消费是由体验和快乐驱动的(Sheth等人,1991年)。大多数酒店组织都专注于为消费者创造愉悦、享受、乐趣和兴奋的体验(Smith和Colgate,2007年)。Lee and Kim(2018)发现,享乐价值对满意度、未来重游意愿和P2P广告的口碑推荐此外,共享经济已经在可以令人愉快的文献中得到承认(Hamari等人,2016年)。享受是解释和预测持续参与行为的主要因素(Hamari等人,2016; Luchs等人,2011年)。通过问卷调查比较了游客在传统酒店和P2P住宿的服务体验,Mody et al. (2017)发现,P2P住宿在愉悦体验维度上优于酒店,可以为游客创造独特的体验,引发良好的行为意向。因此,我们提出以下假设:H2。P2P便利的感知享乐价值对消费者的重复购买意愿有认知价值与产品刺激好奇心、提供新颖性或满足知识欲望的能力有关(Sheth等人, 1991),这对刺激消费者尝试新产品非常重要。它发生在用于获得不同体验的产品或服务中,例如旅游业。在酒店服务方面,通过比较感知价值的两种方法,整体视角和多维视角,Küpeli和O€zer(2020)在Sweeney和Soutar开发的价值量表(PERVAL)中增加了认识价值(2001)的研究发现,多维度感知价值和顾客满意对行为意向有更大的正向影响。Yan等人的发现。(2019)表明,除了享乐价值和社会价值外,认知价值对消费者从传统酒店转向P2P住宿的意愿具有显著和积极的影响。认知价值是旅游体验的核心价值之一(Williams and Soutar,2009)。体验新的和不同的生活方式,社会和文化环境,结识新朋友,尝试新食物,增加知识,学习和发现是游客最强烈的动机(Andreu等人,2006年; Kim等人,2007年)的报告。P2P住宿作为一种新兴的消费模式,能够在旅游体验过程中给消费者带来新奇感和好奇心,使他们在旅行过程中获得新的认知,从而满足他们的求知欲因此,我们提出以下假设:H3. P2P通融的认知价值对消费者的重复购买意愿有参与共享经济可以为结识新朋友和发展有意义的关系创造机会N. Zhang等人数据科学与管理3(2021)2225和Rogers,2010年)。旅行者渴望与当地社区建立联系,这P2P住宿不同于传统的酒店。它可以让人们体验当地的风格,感受主人的热情和服务。P2P住宿促进客人和主人之间的直接沟通。 在交流的过程中,游客从主人那里更多地了解当地的民俗文化、旅游景点和路线推荐,使游客能够迅速融入当地社会(Soet al. 2018年)。 社交互动是P2P住宿商业模式中最重要的因素,对消费者体验和满意度有很大影响(Priporas等人,2017年)。旅行者使用P2P住宿的主要原因是与当地社区建立社交关系,并与房东进行有意义的互动(Tussyadiah和Pesonen,2016)。 Kim等人(2015)也认为,通过使用P2P住宿获得的社会效益可以提高人们的满意度和未来再利用的意愿。因此,不同于传统酒店,P2P住宿更能满足消费者的社交需求有鉴于此,本研究将社会关系价值引入P2P适应领域的感知价值维度,并提出以下假设:H4。感知的P2P住宿社会关系价值对消费者的重复购买意愿有正向影响3. 模型构建为了衡量P2P住宿消费者感知价值对重复购买意愿的影响,采用文本挖掘、情感分析、LDA主题模型和SVM算法对在线评论进行 图 1显示了数据分析过程。首先,对Airbnb上的在线评论进行预处理,并根据LDA主题模型的结果建立感知价值指标其次,利用SVM算法对切分后的小句进行主题分类,使小句与感知价值指标相对应。此外,我们还以知网词典等情感词典为基准词典,结合P2P住宿领域的专用词典对小句进行情感分析,得到感知价值指标的情感得分。最后,采用关键词匹配法从评论中挖掘消费者重复购买意愿变量,并进行基于偏最小二乘的方差分析探讨消费者知觉价值与重复购买意愿之关系。3.1. 数据收集数据收集过程如下。 对于中国的房源,所有来自Airbnb的用户评论都是通过Python程序收集的。民宿在中国的发展还不成熟,民宿仍主要集中在旅游业最发达的城市。据《2019中国大陆民宿行业发展数据报告》统计,民宿数量排名前十的城市依次为:重庆、北京、Xi、成都、青岛、广州、武汉、上海、秦皇岛、杭州,占比31. 0%。民宿数量排名前30的城市占据了民宿市场的半壁江山。因此,本文选取了15个旅游业最发达的代表性城市来代表中国的民宿市场。北京、上海、成都、重庆、杭州、厦门、广州、西安、天津、深圳、武汉、南京、苏州、青岛、宁波。对于每个列表,我们抓取了ID和所有在线评论文本内容。与此同时,我们获得了每个列表的价格,评级和评论数量考虑到旅游业发展对研究结果的影响,本文将区域作为控制变量。 同时,将上市公司的价格和评级作为控制变量,以避免解释变量以外的变量对研究结果的影响。尽管每个城市的房源样本数量远超300个,但由于Airbnb平台的限制,每个城市仅展示15个页面,每页20个房源样本最后,收集了1,273个列表和43,752条评论表2为各城市房源数量分布情况,其中杭州房源数量最多,共115套,占比9.03%;天津房源数量最少,仅占比4.56%。3.2. 基于LDA的感知价值指标构建LDA是一种无监督的机器学习技术,它使用3层贝叶斯概率模型来识别大规模文档中的隐藏主题信息。它的主要思想是:一个文档是由一定概率的主题选择而成,从这个主题中选择一个词也是有一定概率的,即一个文档代表一个Fig. 1. 数据分析过程。N. Zhang等人数据科学与管理3(2021)2226表2在中国各城市的房源分布城市名称上市数量百分比(%)北京1088.48上海826.44成都937.31重庆947.38杭州1159.03厦门846.60广州715.58Xi977.62天津584.56深圳665.18武汉735.73南京866.76苏州715.58青岛806.28宁波957.46总1,273100.00概率分布由几个主题组成,并且每个主题表示由几个单词组成的概率分布(Blei等人, 2003; Brandt等人, 2017年)。本研究采用LDA主题模型分析在线评论文本内容,并对评价指标进行细化在线评论文本的长度相对较短,LDA主题模型对短文本分析存在局限性。因此,本文对数据做了如下处理:过滤总字数小于一定值的评论文本,选择评论长度大于10的文本内容训练LDA模型。其次,考虑到本文数据的样本量较大(共获得1,273个列表的43,752篇评论文本),最终我们选择基于LDA主题模型构建感知价值指标通过使用Python工具包pyLDAvis(Chuang et al.,2012; Sievert和Shirley,2014),我们可以可视化不同的评论文本主题,并根据LDA主题的不同数量对它们进行聚类(Bradford,2008年; Sievert和Shirley,2014年)。首先对文本进行分词、去除停用词等预处理 使用之前研究中应用的方法,我们调整了LDA主题的数量,直到达到一组彼此之间具有足够距离的非重叠集群(见图11)。2)。此外,本文还修改了相关参数λ,直到找到与主题最相关的词在本文中,λ的值被设置为0.4。当主题集群不再重叠或主题变得不可见时,我们停止搜索最佳主题数量。聚类的大小表示主题在整个主题聚类中的重要性。最后,本文选择生成15个主题,并获得了与每个主题相关的30个特征词图2显示了列表评论文本中的所有主题聚类以及主题的词分布。 考虑到根据视觉分析选取的主题之间的相似度比较大,主题识别度不高,本文对相似主题进行人工合并,最终确定最佳主题数为9个。我们将获得的主题与文献综述部分的感知价值维度进行匹配,然后将主题作为各个维度的测量指标,构建感知价值的最终测量模型,如表3所示。功能价值包括基本服务(Bas)、位置(Loc)、设施(Fac)和满意度(Sur)四个指标;享乐价值包括审美(Aes)和愉悦感(Ple)两个指标;认知价值体现为体验(EX p);社会关系价值包括服务态度(Att)和主客关系(Rel)。3.3. 基于SVM算法的在获得感知价值维度的分类后,本文使用了多分类算法来确定每个评论的主题。通常,在线评论可能包含几个条款,涉及产品/服务的不同主题。因此,本研究采用逗号、句号、感叹号、问号等标点符号作为分词标记,将每篇在线评论分成多个图二. 复习课文的主题和主题词的分布。N. Zhang等人数据科学与管理3(2021)2227-表3感知价值维度的测量模型感知价值维度表4每个主题与审查条款数量之间的对应关系。功能价值基本服务(Bas)干净,整洁指标(专题)部分条文位置(Loc)地铁站,距离基本服务(Bas)17,916设施(Face)沙发,全套位置(Loc)29,101苏尔(Sur)很方便,就在楼下设施(Face)18,695享乐价值美学(Aes)美丽,装饰苏尔(Sur)11,509愉悦感心情,就像美学(Aes)9,638认识价值EX经验(EX p)旅行,风景愉悦感(Ple)7,840社会关系价值服务态度(Att)回答,病人EX经验(EX p)46,063关系(Rel)感谢,欢迎再来服务态度(Att)17,434关系(Rel)16,951总175,147每个审查条款的主题具体而言,首先对1,273个上市公司的43,752个审查文本进行了细分,最终获得了175,147个审查条款其次,在175,147个审查条款中,有十分之一是随机选择的(即,17,515条审查条款),对应9个专题。邀请三名熟悉该领域的研究生对选定的审查条款进行手动标注如果两个或两个以上的人有相同的标注结果,它就是有效标签。有分歧时,三人共同商议决定。 然后,将标记样本按7:3的比例分成训练集和测试集,训练分类模型。 在模型选择方面,本文的最终分类算法是通过比较随机森林、SVM、朴素贝叶斯、线性回归等多种常用中文文本分类算法的分类效果来确定的。 如图 3、分类性能准确率方面,随机森林模型输出准确率为26. 30%,SVM模型输出准确率为78. 73%,朴素贝叶斯模型输出准确率为69. 34%,线性回归模型输出准确率为78. 37%。 可以看出,SVM算法优于其他分类算法。因此,使用SVM训练模型对所有审查条款进行分类。 表4显示了每个主题与审查条款数量之间的对应关系。3.4. 情绪分析在将评论小句与主题进行匹配后,我们通过小句文本中反映的情感强度来获得评论因此,本研究基于情感词典对评论小句的情感倾向进行了细粒度的分析。我们结合了以下词典:知网2007版情感词典(836个积极情感词,1,254个消极情感词)(Dong,2014),NTUSD情感词典台湾大学的《简体字》、清华大学李俊的《汉语褒贬词典》,并以合并后的词典为词汇基础,构建了一部基准词典。然后,我们根据列表字段中的词汇补充了基准词典。最后,本文使用基准词典和列表词典对re-view小句进行了分析. 字典的结构和示例如表5所示。本文在利用情感词典法计算文本情感强度的基础上,认为修饰性副词可以改变词语在上下文中的情感倾向或情感强度偏正副词分为两类,一类是改变情绪倾向的否定词,一类是改变情绪强度的程度词。 对于情感词的取值,学者们一般用1代表正面情感词,1代表负面情感词,并基于情感词典采用累计法计算每篇评论的情感强度。目前,程度副词的分类和取值尚无统一的标准。例如,Liu和Tao(2017)将程度副词分为四个级别,其对应的情感强度值分别为2,3,4和5。根据Han et al.(2012),Guet al. (2019)还将程度副词分为四个层次,情感强度的相应值分别为0.8、1.2、1.5和2。基于从知网中提取的60个关键词,Shi et al. (2013)将其分为7类,其对应的情感强度值分别为0.8、0.9、1.1、1.2、1.3、1.4和1.5本文参考了知网2007版给出的程度副词级别。根据大多数研究的分类标准,情感强度分为四个等级,其对应的情感强度值分别为1.5、2、3和4度依次递增 而对于程度副词修饰的情感词的情感强度计算公式,则采用了大多数研究中使用的情感词的情感值与程度副词的强度值相乘的计算方法(Shi et al.,2013年; Gu等人, 2019年)。表5情感词典与量化标准。情感词典积极情感词EX样本欣赏、呵护、全新、美观、安全…强度值1消极情感词生气、烦躁、吵闹、尴尬、悲伤否定词Never,should not,need not,can not,unable 1.…程度副词最多百分之一百,非常,百分之一百四图三. 每个文本分类算法模型的准确性。非常非常,许多,特别更多更多,相对,更进一步,更多一点或多或少,稍微,一点,一点N. Zhang等人数据科学与管理3(2021)2228-þþþþ¼¼¼ ¼¼¼ ¼¼否定词在判断评论的情感倾向上起着重要作用。结合汉语否定词使用的特点,本文提出了如下规则:根据否定词出现的次数判断情感倾向,出现奇数次则情感倾向逆转,否则情感倾向保持不变(Shi et al., 2013年; Gu等人, 2019年)。 同时,结合汉语的语义特点,考虑到否定词和程度副词的位置不同,可能会出现两种结果。“负词度-情绪词”形式对情绪强度有弱化作用。“度负词情感词”对情感强度有强化作用。例如,“非常糟糕”和“不太好”的情绪强度是非常不同的。因此,本文对这两种形式进行了区分。并基于程度副词和否定词修饰的情感强度的计算方法,分别给出了不同的权重 基于不同语义规则的情感值计算公式如表6所示。3.5. 感知价值与重复购买意愿在获得分句对应的话题情感值后,将各分句的话题情感值相加作为感知价值维度的测量指标值在因变量的测量方面,由于“再购买“意图和“推荐“意图本质上是消费者的行为意图,本文采用关键词匹配的方法,将每个列表中包含“推荐“和“再购买“意图关键词的之前的研究表明,大多数Airbnb房源的客户评分高于4.5(最高评分为5)(Fradkin et al., 2015年),这表明Airbnb的大多数在线评论应该是积极的。因此,在我们获得的所有数据集中,包含“不推荐”和“不重购”意图关键词的评论应该较少其次,为了避免关键词前的负面词对因变量值的对因变量进行了更详细的分析,具体规则如下:首先,确定每个条款是否提到如果没有,赋值为0;如果有,继续判断这些关键词前面是否有否定词,如果有,赋值为1,否则赋值为1。最后,以每一商品中所有评论条款的价值总和作为衡量消费者重复购买意愿的结合四个感知价值维度的九个指标变量(见表3),消费者感知价值的结构模型表6基于不同语义规则的情感值计算公式情绪强度1情感词E¼S2否定词否定词情感词E¼-1N×S3度b情感词E¼D×S表7与消费者行为意向相对应的关键词构建体指标关键词重复购买意愿推荐(Rec)回购(Rep)推荐下次再来价值和重复购买意愿的研究,如图所示。四、此外,对所有指标进行了异常值处理,并删除了异常值记录最后,研究的总样本量为1,139个列表。每个变量的描述性统计量见表8。4. 实证结果感知价值和行为意向的四个维度都是形成性结构,变量不服从正态分布。本文采用基于偏最小二乘法的方差分析方法,对功能价值、享乐价值、认知价值和社会关系价值与消费者重复购买意愿的关系进行了统计4.1. 测量模型形成性测量模型反映了每个结构的不同方面,指标之间没有必然的相关性因此,它不同于反应结构的指标测量法. 基于内部一致性概念的信度测量标准,如Cronbach’s alpha和复合信度,不适合于形成性测量模型的 评 价 为 了 检 验 形 成 性 测 量 模 型 , 根 据 Henseler 等 人 的 建 议 。(2009)和Hair et al. (2012),需要进行多重共线性和权重系数显著性检验。如果权重系数的显著性水平未达到标准,而其对应的负荷因子显著且大于0.5,则通常不应删除这些显性变量关于潜变量(感知价值四个维度),从表9可以看出,所有显性变量(感知价值四个维度的指标变量)的变异系数(Variance In DecisionFactor,VIF)都低于非常严格的临界值5,表明不存在多重共线性。 同时,所有显性变量的权重系数均达到显著性水平,其负荷系数均显著且高于0. 5,因此保留了感知价值维度模型的所有显性变量。4.2. 结构模型为了评价结构模型的质量,用修正因子VIF的方差、拟合优度R2和Stone-Geisser准则(Q2)来评价模型的预测有效性从表10可以看出,所有外生潜变量的VIF值均低于非常严格的临界值5,表明不存在多重共线性;内生潜变量的Q2大于临界值0,表明预测相关性较好;内生潜变量的R2超过0. 2,表明模型的解释力较好。表11总结了结构模型的实证结果和假设检验,所有四个假设都得到了支持。使用样本量为5,000的Bootstrap回归方法估计理论模型和假设关系,生成t值,1否定词程度词情感词2程度b/b/阴性E¼-1N×D×S×0: 5E¼-1N×D×S×2标准误差,并确定结构模型中路径的重要性。表11中的统计结果表明,情感词注:(β0.327,t值8.256,p0.05<),享乐价值(β0.132,t-值3.465,p<0.05),认知值(β0.069,t值1.981,p0.05<)和社会关系值(β0.400,t值9.657,p0.05)均对重复购买意愿有显著影响,
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- 京瓷TASKalfa系列维修手册:安全与操作指南
- 小波变换在视频压缩中的应用
- Microsoft OfficeXP详解:WordXP、ExcelXP和PowerPointXP
- 雀巢在线媒介投放策划:门户网站与广告效果分析
- 用友NC-V56供应链功能升级详解(84页)
- 计算机病毒与防御策略探索
- 企业网NAT技术实践:2022年部署互联网出口策略
- 软件测试面试必备:概念、原则与常见问题解析
- 2022年Windows IIS服务器内外网配置详解与Serv-U FTP服务器安装
- 中国联通:企业级ICT转型与创新实践
- C#图形图像编程深入解析:GDI+与多媒体应用
- Xilinx AXI Interconnect v2.1用户指南
- DIY编程电缆全攻略:接口类型与自制指南
- 电脑维护与硬盘数据恢复指南
- 计算机网络技术专业剖析:人才培养与改革
- 量化多因子指数增强策略:微观视角的实证分析
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功