کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6854071 1437327 2018 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Predicting the helpfulness of online product reviews: A multilingual approach
ترجمه فارسی عنوان
پیش بینی سودمند بودن بررسی محصولات آنلاین: رویکرد چند زبانه
کلمات کلیدی
کلام دهان، بررسی محصولات، بررسی چند زبانه، بازخورد مفید، پیش بینی،
ترجمه چکیده
شناسایی بررسی های مفید از داده های بررسی گسترده، موضوع داغ در دهه گذشته بوده است. در حالیکه تحقیقات موجود در مورد ارزیابی و پیش بینی مفید بودن بررسی عمدتا از بررسیهای انگلیسی ارایه می شود، بازنگری غیر انگلیسی نیز ممکن است اطلاعات مفصل مصرف کننده را ارائه دهد و نباید نادیده گرفته شود. در این مطالعه، ما یک چارچوب پیش بینی مفید بودن بازبینی را پیشنهاد می کنیم که از منابع چند زبانه بررسی ها برای تولید بینش های مربوط به کسب و کار استفاده می کند. با اتخاذ روش تحقیق علمی طراحی، ما طراحی، پیاده سازی، ارزیابی و ارائه یک مصنوع فناوری اطلاعات (به عنوان مثال، چارچوب ما) که پیش بینی کننده مفید بودن بررسی و حسابرسی برای بررسی غیر انگلیسی است. ارزیابی های ما نشان می دهد که ما در بهبود پیش بینی و طبقه بندی قابلیت اطمینان از طریق متغیرهای تولید شده توسط سیستم چند زبانه ی مانیتورینگ ما، عملکرد بهتر را به دست می آوریم. با نشان دادن امکان چارچوب پیشنهادی ما برای برنامه های کاربردی چندرسانه ای کسب و کار، ما به ادبیات در مورد هوش تجاری کمک می کنیم و مفاهیم مهم عملی را برای متخصصان ارائه می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Identifying helpful reviews from massive review data has been a hot topic in the past decade. While existing research on review helpfulness estimation and prediction is primarily sourced from English reviews, non-English reviews may also provide useful consumer opinion information and should not be neglected. In this study, we propose a review helpfulness prediction framework that processes and uses multilingual sources of reviews to generate relevant business insights. Adopting a design science research approach, we design, implement, evaluate and deliver an IT artifact (i.e., our framework) that predicts the helpfulness of a review and accounts for non-English reviews. Our evaluations suggest that we achieve better performance on review helpfulness prediction and classification by including the variables generated by our instantiated multilingual system. By demonstrating the feasibility of our proposed framework for multilingual business intelligence applications, we contribute to the literature on business intelligence and provide important practical implications to practitioners.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Electronic Commerce Research and Applications - Volume 27, January–February 2018, Pages 1-10
نویسندگان
, ,