Online-Plattform Marktreputationssysteme - Li, Xiangming Samuel
45,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
  • Broschiertes Buch

Diese Forschung untersucht die Beziehung zwischen Textbewertungspunkten, Bewertungslänge, Agentenverhalten und Transfer-Learning-Anwendungen, indem ein quantitatives Maß mit Airbnb-Online-Textbewertungen konstruiert wird. Der erste Aufsatz konzentriert sich auf die Untersuchung der Auswirkungen der Bewertungslänge auf die Textbewertungsnote. Er konstruiert numerische Text-Review-Scores durch die Anwendung von Textanalyse- und maschinellen Lerntechniken auf mehr als drei Millionen nutzergenerierte Text-Reviews auf Airbnb. Anhand der Textbewertungsergebnisse analysiert dieser Aufsatz den…mehr

Andere Kunden interessierten sich auch für
Produktbeschreibung
Diese Forschung untersucht die Beziehung zwischen Textbewertungspunkten, Bewertungslänge, Agentenverhalten und Transfer-Learning-Anwendungen, indem ein quantitatives Maß mit Airbnb-Online-Textbewertungen konstruiert wird. Der erste Aufsatz konzentriert sich auf die Untersuchung der Auswirkungen der Bewertungslänge auf die Textbewertungsnote. Er konstruiert numerische Text-Review-Scores durch die Anwendung von Textanalyse- und maschinellen Lerntechniken auf mehr als drei Millionen nutzergenerierte Text-Reviews auf Airbnb. Anhand der Textbewertungsergebnisse analysiert dieser Aufsatz den Einfluss der Bewertungslänge auf die Textbewertungsergebnisse und gewinnt Erkenntnisse über das Zusammenspiel zwischen Textbewertungsergebnis, Bewertungslänge, Bewertungsalter und aktivem Bewerter. Es wird eine umgekehrt U-förmige Beziehung zwischen der Bewertungslänge und den Textbewertungsergebnissen und ein langfristiger Abwärtstrend der Textbewertungslänge über alle Online-Plattformen hinweg festgestellt. Diese Forschung trägt zur Online-Reputation bei, indem sie ein innovatives Maß für die Reputation von Textrezensionen und einen großen online gelabelten Rezensionskorpus (d.h. die Airbnb-Rezensionswissensdatenbank) entwickelt, die Auswirkungen der Rezensionslänge auf die Textrezensionsbewertungen untersucht und einen langfristigen Trend der Rezensionslänge auf Online-Plattformen aufdeckt. Der zweite Aufsatz untersucht
Diese Forschung untersucht die Beziehung zwischen Textbewertungspunkten, Bewertungslänge, Agentenverhalten und Transfer-Learning-Anwendungen, indem ein quantitatives Maß mit Airbnb-Online-Textbewertungen konstruiert wird. Der erste Aufsatz konzentriert sich auf die Untersuchung der Auswirkungen der Bewertungslänge auf die Textbewertungsnote. Er konstruiert numerische Text-Review-Scores durch die Anwendung von Textanalyse- und maschinellen Lerntechniken auf mehr als drei Millionen nutzergenerierte Text-Reviews auf Airbnb. Anhand der Textbewertungsergebnisse analysiert dieser Aufsatz den Einfluss der Bewertungslänge auf die Textbewertungsergebnisse und gewinnt Erkenntnisse über das Zusammenspiel zwischen Textbewertungsergebnis, Bewertungslänge, Bewertungsalter und aktivem Bewerter. Es wird eine umgekehrt U-förmige Beziehung zwischen der Bewertungslänge und den Textbewertungsergebnissen und ein langfristiger Abwärtstrend der Textbewertungslänge über alle Online-Plattformen hinweg festgestellt. Diese Forschung trägt zur Online-Reputation bei, indem sie ein innovatives Maß für die Reputation von Textrezensionen und einen großen online gelabelten Rezensionskorpus (d.h. die Airbnb-Rezensionswissensdatenbank) entwickelt, die Auswirkungen der Rezensionslänge auf die Textrezensionsbewertungen untersucht und einen langfristigen Trend der Rezensionslänge auf Online-Plattformen aufdeckt. Der zweite Aufsatz untersucht
Autorenporträt
El Dr. Xiangming Samuel Li es profesor de negocios en la University Canada West y candidato al doctorado en Ciencias de la Gestión de la University of Waterloo, Canadá. Ha recibido más de 23 años de experiencia en gestión intensiva en multinacionales mundiales de las TIC como Nortel, Nokia, Motorola, Saveje, BTI, Anhub y Linaro; y también participa activamente en acad