| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第13-21页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 满意度模型国内外研究现状 | 第14-16页 |
| 1.2.2 基于网络评论的顾客满意度研究国内外现状 | 第16-17页 |
| 1.2.3 现有研究的总结与启示 | 第17-18页 |
| 1.3 研究目标及内容 | 第18页 |
| 1.3.1 研究目标 | 第18页 |
| 1.3.2 研究内容 | 第18页 |
| 1.4 研究思路及方法 | 第18-20页 |
| 1.5 论文结构安排 | 第20-21页 |
| 第2章 满意度指数模型的理论研究及测度方法 | 第21-27页 |
| 2.1 结构方程模型理论 | 第21-22页 |
| 2.1.1 结构方程模型的应用背景 | 第21页 |
| 2.1.2 结构方程模型原理 | 第21-22页 |
| 2.2 结构方程模型构建步骤 | 第22-24页 |
| 2.2.1 模型设定 | 第22页 |
| 2.2.2 模型识别 | 第22-23页 |
| 2.2.3 模型估计 | 第23页 |
| 2.2.4 模型评价 | 第23页 |
| 2.2.5 模型修正 | 第23-24页 |
| 2.3 顾客满意度结构方程模型 | 第24-26页 |
| 2.3.1 内部模型(结构模型) | 第25页 |
| 2.3.2 外部模型(测量模型) | 第25-26页 |
| 2.3.3 模型参数估计 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 满意度研究框架下商品评论挖掘的理论及方法研究 | 第27-60页 |
| 3.1 网络爬虫 | 第27-31页 |
| 3.1.1 Python网络爬虫简介 | 第27-28页 |
| 3.1.2 商品评论数据的爬取 | 第28-30页 |
| 3.1.3 数据爬取情况 | 第30-31页 |
| 3.2 数据清洗 | 第31-33页 |
| 3.3 数据描述性统计 | 第33-39页 |
| 3.3.1 消费者基本信息 | 第33-36页 |
| 3.3.2 品牌及产品 | 第36-37页 |
| 3.3.3 消费者对品牌的评论 | 第37-39页 |
| 3.4 商品评论分词及量化 | 第39-53页 |
| 3.4.1 研究总体思路 | 第39-40页 |
| 3.4.2 情感分析 | 第40-44页 |
| 3.4.3 算法说明 | 第44-47页 |
| 3.4.4 实例分析 | 第47-53页 |
| 3.5 数据整理 | 第53-59页 |
| 3.6 本章小结 | 第59-60页 |
| 第4章 基于文本数据的满意度测评模型的改进与应用 | 第60-74页 |
| 4.1 CSI模型的改进 | 第60-63页 |
| 4.2 基于改进的CSI模型的参数估计及检验 | 第63-65页 |
| 4.3 改进的CSI模型评价 | 第65-67页 |
| 4.4 路径系数解读 | 第67-68页 |
| 4.5 变量得分计算 | 第68-70页 |
| 4.5.1 根据CSI模型计算变量得分 | 第68-69页 |
| 4.5.2 CSI模型测算与原始5分评价对比 | 第69-70页 |
| 4.6 基于绩效分析方法的品牌提升路径 | 第70-73页 |
| 4.6.1 绩效分析方法 | 第70页 |
| 4.6.2 品牌提升途径分析 | 第70-73页 |
| 4.7 本章小结 | 第73-74页 |
| 结论 | 第74-75页 |
| 研究结论 | 第74页 |
| 研究不足之处与展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录A 实体对应表 | 第78-80页 |
| 附录B 本论文代码 | 第80-106页 |
| 爬虫代码 | 第80-91页 |
| 分词代码 | 第91-97页 |
| 量化代码 | 第97-103页 |
| 数据整理代码 | 第103-106页 |
| 致谢 | 第106-107页 |