公开(公告)号：CN116303893B

公开(公告)日：2024-01-30

申请号：CN202310161332.7

申请日：2023-02-23

Applicant: 哈尔滨工业大学

Inventor： 吴少辉 ,  谢晓东 ,  王洪珑 ,  李子菲

IPC: G06F16/33 ,  G06F16/335 ,  G06F16/35 ,  G06F40/279 ,  G06F40/30

Abstract: 基于LDA主题模型的主播形象分类与关键特质分析方法，属于数据分析技术领域。方法是：S1、在指示终端设备中获取每位主播的介绍文本，得到原始数据集；S2、对原始数据集中的介绍文本进行数据预处理，得到初始数据集；S3、根据初始数据集，构建LDA主题模型；S4、通过LDA主题模型从初始数据集中挖掘出主题高频词和每位主播自我介绍的主题分布，确定主题数，依据主题分布的最高值作为该主播形象分类；S5、使用方差分析，得到不同主播群体之间的差异性特质，了解不同主播群体的直播效果差异；S6、基于不同主播群体之间的差异性特质和直播效果差异，使用回归分析，得到每个主播群体内的影响直播效果的关键特质。本发明用于主播形象分类

公开(公告)号：CN117094856A

公开(公告)日：2023-11-21

申请号：CN202311074103.8

申请日：2023-08-24

Applicant: 哈尔滨工业大学

Inventor： 张紫琼 ,  王乐 ,  吴少辉 ,  王雪妍

IPC: G06Q50/12 ,  G06F16/951 ,  G06F18/10 ,  G06F17/18 ,  G06N20/00

Abstract: 基于面板logit模型的嵌入OTA网站后用户评价行为的预测方法，属于数据分析技术领域。步骤一：获取原始数据集；步骤二：对原始数据集进行数据预处理，得到清洗后的数据集；步骤三：对顾客评价行为相关的文献和理论进行梳理，确定嵌入OTA网站的评论特征对原OTA网站上后续评论行为的影响的研究模型，对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行计算；步骤四：构建logit模型，得到面板logit模型的系数和残差项；步骤五：稳健性检验；若面板logit模型通过稳健性检验，则说明模型具有可靠性，将系数和残差项带回面板logit模型即得到预测模型；若否，则需对面板logit模型进行再次构建与分析，即返回执行步骤四。本发明的方法用于用户评价行为的预测。

公开(公告)号：CN117094855A

公开(公告)日：2023-11-21

申请号：CN202311074098.0

申请日：2023-08-24

Applicant: 哈尔滨工业大学

Inventor： 张紫琼 ,  王乐 ,  吴少辉 ,  王博文

IPC: G06Q50/12 ,  G06Q10/0639 ,  G06F18/10 ,  G06F16/951 ,  G06F16/9535 ,  G06F18/25

Abstract: 基于酒店服务语言的非本土语言顾客满意度的预测方法，本发明属于数据分析技术领域。方法是：获取目标酒店的基本数据、评论数据以及顾客数据，得到原始数据集；对原始数据集进行数据预处理；对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行测算；分别设置被解释、解释、调节和控制变量，构建基于固定效应的计量模型，计算得到固定效应模型的系数和残差项；对非本土语言顾客满意度的预测模型进行稳健性检验；若预测模型通过了稳健性检验，则将固定效应模型的系数和残差项带入模型，即得到基于酒店服务语言的非本土语言顾客满意度的预测模型；若未通过，则需对预测模型进行再次构建与分析。本发明用于酒店顾客满意度预测。

公开(公告)号：CN116303893A

公开(公告)日：2023-06-23

申请号：CN202310161332.7

申请日：2023-02-23

Applicant: 哈尔滨工业大学

Inventor： 吴少辉 ,  谢晓东 ,  王洪珑 ,  李子菲

IPC: G06F16/33 ,  G06F16/335 ,  G06F16/35 ,  G06F40/279 ,  G06F40/30

Abstract: 基于LDA主题模型的主播形象分类与关键特质分析方法，属于数据分析技术领域。方法是：S1、在指示终端设备中获取每位主播的介绍文本，得到原始数据集；S2、对原始数据集中的介绍文本进行数据预处理，得到初始数据集；S3、根据初始数据集，构建LDA主题模型；S4、通过LDA主题模型从初始数据集中挖掘出主题高频词和每位主播自我介绍的主题分布，确定主题数，依据主题分布的最高值作为该主播形象分类；S5、使用方差分析，得到不同主播群体之间的差异性特质，了解不同主播群体的直播效果差异；S6、基于不同主播群体之间的差异性特质和直播效果差异，使用回归分析，得到每个主播群体内的影响直播效果的关键特质。本发明用于主播形象分类与关键特质分析。

公开(公告)号：CN115619041A

公开(公告)日：2023-01-17

申请号：CN202211400723.1

申请日：2022-11-09

Applicant: 哈尔滨工业大学

Inventor： 吴少辉 ,  王洪珑 ,  谢晓东 ,  李国鑫

IPC: G06Q10/04 ,  G06Q30/0601 ,  G06Q30/0242 ,  G06F18/23 ,  G06F40/44 ,  G06F40/289

Abstract: 基于LDA主题模型与固定效应模型的直播效果的预测方法，属于数据分析技术领域。方法是：获取主播和每场直播的信息，得到原始数据集；对原始数据集中的弹幕文本进行数据预处理，得到初始数据集；根据初始数据集，构建LDA主题模型，并通过LDA主题模型从初始数据集中挖掘出主题词和每场直播的主题概率分布；依据每场直播互动模式的概率分布及其二次项，并分别加入直播时长、粉丝数量、该场直播的访问量及直播效果构建固定效应模型，从而探究多个自变量对直播效果的影响关系，并得到固定效应模型系数和残差项；根据二次项固定效应模型系数，探求该主播群体固定效应模型的极值点，探究针对直播的最佳互动模式。本发明用于直播效果的预测、分析与提升。