基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
传统意义上,汽车企业对汽车品牌、车型质量及性能等指标进行调研时,往往会采用第三方问卷调查的方式.在大数据及各种数据挖掘工具盛行的当代,通过网络爬虫技术,获取用户对车型在动力性能、空间、操控、能耗、配置、外观、舒适性、内饰等方面的体验感受,通过文本挖掘工具,对获取的关键字及特征进行分类分析,及时发现汽车车型在设计、质量、服务等方面的改进空间,协助企业做好产品规划设计及售后工作.本文通过贝叶斯算法计算特征值所属各类别的概率,进而对测试文本进行分类,并将分类结果中的关键特征词进行显示,企业可以清晰明了地获取用户的需求及反馈结果.
推荐文章
基于BP神经网络的汽车车型识别方法
BP神经网络
自动识别
特征提取
共轭梯度法
基于Web的文本挖掘研究
文本挖掘
文本分类
文本聚类
特征提取
基于支持向量机的轿车车型识别
支持向量机
轿车
识别
特征
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于文本挖掘的 汽车车型评价分析研究
来源期刊 汽车工业研究 学科
关键词 文本挖掘 分类 车型评价
年,卷(期) 2019,(2) 所属期刊栏目 调查
研究方向 页码范围 40-44
页数 5页 分类号
字数 3357字 语种 中文
DOI 10.3969/j.issn.1009-847X.2019.02.009
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (96)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(4)
  • 参考文献(0)
  • 二级参考文献(4)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2018(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
文本挖掘
分类
车型评价
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
汽车工业研究
月刊
1009-847X
22-1231/U
大16开
长春市锦程大街30号
12-147
1986
chi
出版文献量(篇)
2952
总下载数(次)
14
总被引数(次)
13934
论文1v1指导