2021/01/30 upd：2020年美賽C題（數據分析題）O獎論文筆記 (2) 已經上傳，可戳這里查看！

這是我的第1篇論文筆記，如有哪里不好還請見諒并批評指正，之后會不斷改進！首先復現一下題目：

讀了第一段，我們感覺這應該是一道挺接地氣的題目。你想知道想淘寶、京東這些購物巨商是怎么從用戶點贊、評論的數據中調整戰略的嗎？接著往下看。

Sunshine公司要我們做的有兩件大事：1）告訴他們銷售策略；2）告知他們商品潛在的重要特性，好讓商品變得更有營銷力。

公司給我們提供了一些數據集。數據集有三個，代表三類不同產品，類似如下形式：

這些字段的含義如下：

接著介紹了本次題目的一些要求，我們一起來學習一下：

第1題是要我們數學建模，分析出star ratings，reviews，helpfulness ratings的內外關系。

2a：確定基于rating和review的評價衡量標準（給評價）

2b：確定基于時序的方法，評判一個產品的聲譽是在上升還是下降
2c：確定基于文本和星級的方法，評判一個產品是成功還是失敗的

2d：特定星級會引起更多的評論嗎？
2e：特定評論的關鍵詞，與星級有較大關聯嗎？

第3題是我們寫一封建議信。
之后是一些要求和說明：

以上就是C題的要求，下面簡單做一下其中一篇O獎論文的筆記。

標題直接告訴我們：探尋rating和review的秘密，直接量出論文分析處理的關鍵詞。

論文Summary寫作思路：

• 1段：緊扣材料重述問題
• 2段：概述問題1的解決思路
• 3段：概述問題2的解決思路，先提出了建模分析之后的結論
• 4段：說寫了一封信給Sunshine公司
• 5段：夸一下自己的模型

接下去是Introduction，和summary區別不大，只是加上了一些文章結構的描述。

The rest of the paper is organized as follows. In section 2, we list…

接著是假設和符號說明（Assumptions and Notations），下來逐個解決問題。

此部分主要構建文本打分模型。

本部分介紹了CE模型和VADER模型的一些建模實現：

• 篩選出種子詞：
  
  作者在此處將詞語分成了5類，恰好對應五星級評價系統。
  

• CE塊：
  這里用的應該是上下文本信息熵，反正就是各種秀，用上了各種機器學習的公式。處理完之后到一個五維向量，從左到右，向量的每個值依次代表強負，弱負，中性，弱正，強正的概率。

• VADER塊：
  vader是一種基于詞庫和語法規則來進行文本情感識別的方法，發表于2014年的AAAI會議， github上地址是Github地址，這里處理完之后也是得到一個五維的向量。
  

• CE和VADER的融合：
  上面得到兩個五維向量的凸線性組合，得到一個文本的綜合評價。

這一部分確定出基于文本和評價的解決方案。提出了評論重要性（IMP），星級度量VEC（S_id）和文本度量INT（R_id）的關系式子：

很復雜。。。

這里用了DTW相似性評估了一下模型的效果（魯棒性）。



商品名譽的變化可以通過下面公式進行計算：

同樣還是挺復雜的，這篇文章的作者們似乎對公式理論的理解洞察深刻。

評價模型：





時間序列預測使用AR模型









用樸素貝葉斯給不同類情感詞打分


這里主要是根據數據分析的結果，提煉出商品受歡迎所具有的特征。

• pacifier：size，appearance，convenience，safety
• microwave：appearance，price，component
• hair dryer：power，appearance，safety，working volume

這里根據建模結果提出一些銷售戰略建議：

• 具有較多helpful votes的reviews應該得到重視
• 維持五星級，這跟產品名譽緊密相關

還有5~6條，這里就不一一列舉了。

Strengths

• 創新：首次提出使用CE-VADER模型來評價文本信息
• 準確：使用文本信息打分和星級打分高度一致
• 普適：換個數據集過來也可以分析
• 魯棒：參數魯棒

Weaknesses

• 注解關鍵詞非常耗時
• CE-VADER不能識別過去時動詞、形容詞比較級等
• 分析特定評價時，沒有將Amazon當時的營銷戰略考慮在內

Information Evaluation Model can combine the text-based measure with the rating-based
measure, where we propose a novel CE-VADER hybrid model for the sentiment analysis as the text-based measure.

We employ the Difference Equation Model to construct a “reputation rate” to quantify the
reputation of three products

In analyzing the distribution of star ratings and specific words, we identified special review descriptors by employing a continuous extreme rating and a set of special words.

信件的細節就不細講了。這里寫的信件高中生也是可以看懂的，畢竟寫給企業高管，不要太學術化：

• 一段：說明一下工作成果
• 二段：信息評價模型幫助您跟蹤評價內容，并提出三種商品受歡迎的特征
• 三段：根據商品聲譽評測，斷定三類商品未來的發展趨勢
• 四段：提出一些建設性意見（參考建模過程）

總結

以上是生活随笔為你收集整理的2020年美赛C题（数据分析题）O奖论文笔记 (1)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。