30,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in über 4 Wochen
  • Broschiertes Buch

Esta pesquisa investiga a relação entre a pontuação da revisão de texto, duração da revisão, comportamento do agente e aplicações de transferência-aprendizagem através da construção de uma medida quantitativa com revisões de texto online da Airbnb. O primeiro ensaio foca o estudo dos efeitos da duração da revisão sobre a pontuação da revisão de texto. Ele constrói pontuações numéricas de revisão de texto aplicando técnicas de análise de texto e aprendizagem mecânica a mais de três milhões de revisões de texto geradas por usuários na Airbnb. Com as notas de revisão de texto, este ensaio analisa…mehr

Produktbeschreibung
Esta pesquisa investiga a relação entre a pontuação da revisão de texto, duração da revisão, comportamento do agente e aplicações de transferência-aprendizagem através da construção de uma medida quantitativa com revisões de texto online da Airbnb. O primeiro ensaio foca o estudo dos efeitos da duração da revisão sobre a pontuação da revisão de texto. Ele constrói pontuações numéricas de revisão de texto aplicando técnicas de análise de texto e aprendizagem mecânica a mais de três milhões de revisões de texto geradas por usuários na Airbnb. Com as notas de revisão de texto, este ensaio analisa o impacto da duração da revisão nas notas de revisão de texto e obtém insights sobre a relação entre a pontuação da revisão de texto, a duração da revisão, a idade da revisão e o revisor ativo. Ele encontra uma relação invertida em forma de U entre a duração da revisão e as pontuações da revisão de texto e uma tendência de longo prazo para a redução da duração da revisão de texto em todas as plataformas online. Esta pesquisa contribui para o campo da reputação online ao construir uma medida inovadora de reputação de revisão de texto e um grande corpus de revisões online (ou seja, base de conhecimentos da Airbnb review), investigando os efeitos da duração da revisão nas pontuações de revisão de texto e revelando uma tendência de longo prazo da duração da revisão da plataforma online. O segundo ensaio examina Esta pesquisa investiga a relação entre a pontuação da revisão de texto, duração da revisão, comportamento do agente e aplicações de transferência-aprendizagem através da construção de uma medida quantitativa com revisões de texto online da Airbnb. O primeiro ensaio foca o estudo dos efeitos da duração da revisão sobre a pontuação da revisão de texto. Ele constrói pontuações numéricas de revisão de texto aplicando técnicas de análise de texto e aprendizagem mecânica a mais de três milhões de revisões de texto geradas por usuários na Airbnb. Com as notas de revisão de texto, este ensaio analisa o impacto da duração da revisão nas notas de revisão de texto e obtém insights sobre a relação entre a pontuação da revisão de texto, a duração da revisão, a idade da revisão e o revisor ativo. Ele encontra uma relação invertida em forma de U entre a duração da revisão e as pontuações da revisão de texto e uma tendência de longo prazo para a redução da duração da revisão de texto em todas as plataformas online. Esta pesquisa contribui para o campo da reputação online ao construir uma medida inovadora de reputação de revisão de texto e um grande corpus de revisões online (ou seja, base de conhecimentos da Airbnb review), investigando os efeitos da duração da revisão nas pontuações de revisão de texto e revelando uma tendência de longo prazo da duração da revisão da plataforma online. O segundo ensaio examina
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