System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于文本信息挖掘领域和图像处理领域,具体涉及一种基于多模态用户生成内容的酒店品牌形象智能测量方法,可用于从在线评论文本和图片中提取酒店品牌形象。
技术介绍
1、酒店品牌形象(hotel brand image,hbi),即消费者对某个品牌的整体感知,对于旨在动态市场中寻求竞争优势的酒店管理者而言至关重要。有文献指出酒店品牌形象对消费者的感知价值、好感度、忠诚度、以及消费者决策存在重要影响;因此,了解酒店品牌在消费者心中的形象,有助于管理者明确消费者对酒店的态度和定位,从而为后续营销战略的制定提供有用的信息。为了测量消费者对酒店品牌形象的感知,一些文献采取了调查问卷、结构化访谈等基于调查的方法,为酒店品牌形象的相关研究提供了基于个人深度报告的丰富洞察。然而这些方法往往受限于样本大小,测量出的结果缺乏普适性。
2、受益于移动设备的飞速发展和web 2.0的技术优势,越来越多的消费者倾向于在社交媒体平台上以数字评分、文字、图片、视频等形式分享他们对品牌的认知和体验。这些海量的信息也被称为用户生成内容,直接反映了消费者对酒店品牌的真实看法和偏好,具有实时性、高频性和易于传播等特点,对于酒店品牌的相关研究具有重要价值。对此,有文献使用在线平台的海量话题标签、在线评论这类文本数据来揭示品牌联想、品牌定位、竞争模式等内容。也有文献利用深度卷积神经网络模型,提出了一种通过深度分析用户生成图片来量化消费者品牌感知的方法。但目前的研究使用的数据模态较为单一,且没有研究针对酒店这类体验品,只使用单一模态的数据无法全面地构建动态、
技术实现思路
1、为了解决上述存在的问题,本专利技术提出:一种基于多模态用户生成内容的酒店品牌形象智能测量方法,包括以下步骤:
2、s11、提取酒店品牌形象的图片主题;
3、s12、提取酒店品牌形象的文本主题;
4、s21、测量图片主题的好感度;
5、s22、测量文本主题的好感度;
6、s23、将图片和文本主题的好感度合并为主题好感度;
7、s31、测量主题强度;
8、s41、构造酒店品牌形象。
9、进一步地,所述步骤s11中,提取图片主题包括如下步骤:
10、①根据酒店官方相册确定主题;
11、②为每个主题构建情感词典:1)利用deepsentibank解析图片获取形容词-名词对(adjective-noun pairs,anps)及其响应值;2)设置响应值阈值以保留anps响应值较高的名词,并将其添加到相应的主题词典中;3)统计词典中的词频,并设置阈值去除低频词后得到每个主题的词典;4)对于每个主题词典,使用用户生成的图片进行调整;
12、③基于构建好的主题词典,根据anps的响应值计算每张图片与每个主题之间的匹配概率,并将图片分配给概率最高的主题;
13、进一步地,所述步骤s12中,提取文本主题包括如下步骤:
14、①利用bioes标注模式标注情感三元组<属性词,情感词,修饰词>;
15、②利用双向长短时记忆网络-条件随机场模型(bi-lstm-crf)提取情感三元组;
16、③根据从s11中得到的主题设置初始中心词,使用嵌入word2vec模型的k-means聚类算法对情感三元组中的属性词进行聚类;
17、④对于未被主题词覆盖的属性词进行人工分类,并拟定主题。
18、进一步地,所述步骤s21中,需利用与好感度密切相关的情感值来测量评论图片主题好感度,步骤如下:
19、①保留每张图片响应值最高的4个anps,并对其响应值进行如下指数变换,其中rj′(i)为变换后主题i下第j个anp对应的响应值:
20、
21、②使用sentiwordnet计算第j个anp中形容词和名词的情感值:
22、
23、③使用加权和模型(weighted sum model,wsm)计算第i张照片的情感值:
24、
25、进一步地,所述步骤s22中,测量评论文本主题的好感度时使用情感三元组<属性词,情感词,修饰词>中情感词的情感极性及其相应修饰语的权重计算属性词的情感。具体包括如下步骤:
26、①利用bilstm-crf对情感三元组<属性词,情感词,修饰词>中情感词的极性和修饰词的程度赋值;
27、②计算属性词的情感:1)若情感词-修饰词的组合为“ne+dg”,其中ne表示否定副词,dg表示程度副词,那么情感三元组的情感值s按如下公式计算,其中|ne|表示情感三元组中否定副词的数量;wdg表示程度副词的权重,若情感三元组中没有程度副词,则wdg=1;sem表示情感词的情感值:
28、
29、2)若情感词-修饰语的组合为“dg+ne”,则情感三元组的情绪值s按如下公式计算:
30、s=(-1)|ne|*(wdg)*sem (5)
31、进一步地,所述步骤s23中,计算主题好感度包括如下步骤:
32、①分别计算每个主题下的图片情感值总和和文本情感值总和;
33、②将图片情感值总和与文本情感值总和相加后除以该主题下的图片数量与评论情感三元组数量之和,得到该主题的平均情感值,即主题好感度,公式如下,其中φc代表第c个主题的好感度,和分别代表第c个主题下图片情感值之和与文本情感值之和,nc代表第c个主题下图片数量与评论情感三元组数量之和:
34、
35、进一步地,所述步骤s31中,利用与强度密切相关的图片频率和单词频率分别测量图片和文本的主题强度,包括如下步骤:
36、分别统计每个主题下的图片数量fp和评论情感三元组数量fw,将其带入下式,可得第c个主题的强度,其中,i代表第i个主题,n代表提取出的主题总数:
37、
38、进一步地,所述步骤s41中,将每个主题对应的好感度和强度相乘后求并,所得酒店品牌形象如下,其中φi和λi分别代表第i个主题的好感度和强度,n代表提取出的主题总数:
39、hbi≡φ1λ1∪φ2λ2∪…∪φnλn (8)。
40、本专利技术的有益效果为:本专利技术结合酒店评论中的文字和图像数据来量化酒店品牌形象,实现不同模态数据之间的信息互补,有利于对顾客偏好和情感进行全局把握。基于此,本专利技术利用多模态用户生成内容提出一个酒店品牌形象的测量方法。本专利技术基于在线评论文本和在线评论图片,利用自然语言处理技术和图片处理技术识别这两类数据中消费者更关注的酒店主题,作为酒店品牌形象的不同方面。本专利技术根据品牌联想的三个维度,基于品牌联想具有好感度、强度和独特性三个方面测量酒店品牌形象,其中:好感度代表消费者因酒店提供的属性和利益而形成的积极或消极的态度;强度反映了品牌相关记忆的强度;独特性则指该本文档来自技高网...
【技术保护点】
1.基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤S11中,利用DeepSentiBank提取图片主题,步骤如下:
3.如权利要求2所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤S12中,从评论情感三元组中提取文本主题,步骤如下:
4.如权利要求3所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤S21中,利用DeepSentiBank计算主题情感,并用其测量评论图片主题的好感度,步骤如下:
5.如权利要求4所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤S22中,利用情感三元组中情感词的情感极性及其相应修饰语的权重计算属性词的情感,步骤如下:
6.如权利要求5所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤S23中,将图片主题好感度和文本主题好感度的均值作为主题好感度,步骤如下:
...【技术特征摘要】
1.基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,包括以下步骤:
2.如权利要求1所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤s11中,利用deepsentibank提取图片主题,步骤如下:
3.如权利要求2所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤s12中,从评论情感三元组中提取文本主题,步骤如下:
4.如权利要求3所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤s21中,利用deepsentibank计算主题情感,并用其测量评论图片主题的好感度,步骤如下:
5.如权利要求4所述的基于多模态用户生成内容的酒店品牌形象智能测量方法,其特征在于,所述步骤s22中,利用情感三元组中情感词的情感极性及其...
【专利技术属性】
技术研发人员:张婧,徐健,李恒云,慕杰,姜娜,张薇,
申请(专利权)人:东北财经大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。