Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "Opinion Analysis" wg kryterium: Temat


Wyświetlanie 1-4 z 4
Tytuł:
Brand position in the eyes of customers: assessment of selected airlines by the passengers online reviews
Autorzy:
Hoffmann, Natalia
Powiązania:
https://bibliotekanauki.pl/articles/16729698.pdf
Data publikacji:
2022
Wydawca:
Instytut Badań Gospodarczych
Tematy:
data mining
text mining
branch
brand
opinion
R
client
airline
sentiment analysis
Opis:
Motivation: The motivation to write an article on airlines was the desire to rank them based on customer reviews and see how these reviews reflect the actual brand image. The opinions that companies collect about themselves have a very strong power when it comes to building its reputation. Aim: The aim of the study was to use digital transformation and transform raw data into specific information that expressed customer emotions to create a profile of selected airlines. A secondary goal of the article was also to check how the analyzed airlines perform in similar areas. Materials and methods: The data used for the analysis was collected from the eSky.com website and covers the 2019-2020 period. The airlines concerned by the customer reviews were LOT, Ryanair, Wizzair, Czarter, EasyJet, Lufthansa and Laudamotion. Their selection was dictated by the number of opinions necessary to conduct the analysis. The research based on the use of data mining techniques, but it should be noted that most of it uses text mining tools. Topic modelling was used to prepare the data properly and assign each word to groups with similar themes. In order to obtain information whether a given opinion has a positive, negative or neutral tenor, sentiment analysis was used. The final part of the analysis was based on the net sentiment score indicator. The entire analysis was carried out in the R-Studio. Results: The most common subjects of opinions written by customers were "delay", "service", "boarding" and "airline". It was confirmed that the opinions of each airline concern different topics, although some common topics were noticeable. Two topics were repeated among the 7 analyzed airlines: "service" and "delay". Based on the sentiment analysis, for the Ryanair airline the percentage of negative opinions was highest and equal to 35%, almost 40%, of neutral opinions fell on the WizzAir airline and the largest percentage of positive feedback, as much as 46%, was attributed to EasyJet. EasyJet line looks the best in the eyes of customers. The line that evoked uniformly positive, negative and neutral emotions in the opinions was Ryanair.
Źródło:
Catallaxy; 2022, 7, 1; 7-21
2544-090X
Pojawia się w:
Catallaxy
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Customer product review summarization over time for competitive intelligence
Autorzy:
Amarouche, Kamal
Benbrahim, Houda
Kassou, Ismail
Powiązania:
https://bibliotekanauki.pl/articles/950925.pdf
Data publikacji:
2018
Wydawca:
Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
Tematy:
feature extraction
fuzzy logic
competitive intelligence
opinion mining
opinion summarization
sentiment analysis
SentiWordNet
ekstrakcja cech
logika rozmyta
wywiad konkurencyjny
eksploracja opinii
podsumowanie opinii
analiza nastrojów
Opis:
Nowadays, Customer’s product reviews can be widely found on the Web, be it in personal blogs, forums, or ecommerce websites. They contain important products’ information and therefore became a new data source for competitive intelligence. On that account, these reviews need to be analyzed and summarized in order to help the leader of an entity (company, brand, etc.) to make appropriate decisions in an efective way. However, most previous review summarization studies focus on summarizing sentiment distribution toward different product features without taking into account that the real advantages and disadvantages of a product clarify over time. For this reason, in this work we aim to propose a new system for product opinion summarization which depends on the time when reviews are expressed and that covers the sentiments change about product features. The proposed system firstly, generates a summary based on product features in order to give more accurate and efficient information about different features. secondly, classify the product based on its features in its appropriate class (good, medium or bad product) using a fuzzy logic system. The experimental results demonstrate the effectiveness of the proposed system to generate the real image of a product and its features in reviews.
Źródło:
Journal of Automation Mobile Robotics and Intelligent Systems; 2018, 12, 4; 70-82
1897-8649
2080-2145
Pojawia się w:
Journal of Automation Mobile Robotics and Intelligent Systems
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Insights into attitudes towards financial innovations by its users
Wgląd w postawy użytkowników wobec innowacyjności finansowych
Autorzy:
Garškaitė-Milvydienė, Kristina
Maknickienė, Nijolė
Tvaronavičienė, Manuela
Powiązania:
https://bibliotekanauki.pl/articles/27315129.pdf
Data publikacji:
2023
Wydawca:
Politechnika Częstochowska
Tematy:
financial technology
FinTech
investment
risks
regulation
consumer
public opinion
Twitter
text analysis
sentiment analysis
technologia finansowa
inwestycja
ryzyko
rozporządzenie
konsument
opinia publiczna
analiza tekstu
analiza nastrojów
Opis:
Significant technological advances have determined the importance of FinTech firms worldwide; they attract substantial investment and put competitive pressure on banks providing traditional services. The development of financial innovations challenges users accustomed to classical financial solutions since trust in financial technologies requires risk assessment, which becomes increasingly complicated. The main participants shaping the attitude towards FinTech are investors, customers, regulators, technology developers, and risk managers. The paper aims to explore FinTech opportunities and challenges, as the public understands them. The authors used scientific sources and employed big data processing methods to evaluate social media users' attitudes towards the FinTech sector. The obtained results revealed that, despite of overall positive attitude, FinTech companies have to pay special attention to investment management and ensuring the security and privacy of clients’ data.
Znaczące postępy technologiczne zdeterminowały znaczenie firm FinTech na całym świecie; przyciągają znaczne inwestycje i wywierają presję konkurencyjną na banki świadczące tradycyjne usługi. Rozwój innowacji finansowych stanowi wyzwanie dla użytkowników przyzwyczajonych do klasycznych rozwiązań finansowych, ponieważ zaufanie do technologii finansowych wymaga oceny ryzyka, która staje się coraz bardziej skomplikowana. Głównymi uczestnikami kształtującymi podejście do FinTech są inwestorzy, klienci, organy regulacyjne, twórcy technologii i menedżerowie ryzyka. Artykuł ma na celu zbadanie możliwości i wyzwań FinTech, tak jak rozumie je opinia publiczna. Autorzy wykorzystali źródła naukowe i zastosowali metody przetwarzania dużych zbiorów danych, aby ocenić nastawienie użytkowników mediów społecznościowych do sektora FinTech. Uzyskane wyniki pokazały, że pomimo ogólnie pozytywnego nastawienia, firmy FinTech muszą zwracać szczególną uwagę na zarządzanie inwestycjami oraz zapewnienie bezpieczeństwa i prywatności danych klientów.
Źródło:
Polish Journal of Management Studies; 2023, 27, 2; 106--119
2081-7452
Pojawia się w:
Polish Journal of Management Studies
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Sentiment Classification of Bank Clients’ Reviews Written in the Polish Language
Analiza sentymentu na podstawie polskojęzycznych recenzji klientów banku
Autorzy:
Idczak, Adam Piotr
Powiązania:
https://bibliotekanauki.pl/articles/2033889.pdf
Data publikacji:
2021-06-30
Wydawca:
Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
Tematy:
analiza sentymentu
klasyfikacja dokumentów
textmining
regresja logistyczna
naiwny klasyfikator Bayesa
sentiment analysis
opinion mining
text classification
text mining
logistic regression
naive Bayes classifier
Opis:
It is estimated that approximately 80% of all data gathered by companies are text documents. This article is devoted to one of the most common problems in text mining, i.e. text classification in sentiment analysis, which focuses on determining the sentiment of a document. A lack of defined structure of the text makes this problem more challenging. This has led to the development of various techniques used in determining the sentiment of a document. In this paper, a comparative analysis of two methods in sentiment classification, a naive Bayes classifier and logistic regression, was conducted. Analysed texts are written in the Polish language and come from banks. The classification was conducted by means of a bag‑of‑n‑grams approach, where a text document is presented as a set of terms and each term consists of n words. The results show that logistic regression performed better.
Szacuje się, że około 80% wszystkich danych gromadzonych i przechowywanych w systemach informacyjnych przedsiębiorstw ma postać dokumentów tekstowych. Artykuł jest poświęcony jednemu z podstawowych problemów textminingu, tj. klasyfikacji tekstów w analizie sentymentu, która rozumiana jest jako badanie wydźwięku tekstu. Brak określonej struktury dokumentów tekstowych jest przeszkodą w realizacji tego zadania. Taki stan rzeczy wymusił rozwój wielu różnorodnych technik ustalania sentymentu dokumentów. W artykule przeprowadzono analizę porównawczą dwóch metod badania sentymentu: naiwnego klasyfikatora Bayesa oraz regresji logistycznej. Badane teksty są napisane w języku polskim, pochodzą z banków i mają charakter marketingowy. Klasyfikację przeprowadzono, stosując podejście bag‑of‑n‑grams. W ramach tego podejścia dokument tekstowy wyrażony jest za pomocą podciągów składających się z określonej liczby n wyrazów. Uzyskane wyniki pokazały, że lepiej spisała się regresja logistyczna.
Źródło:
Acta Universitatis Lodziensis. Folia Oeconomica; 2021, 2, 353; 43-56
0208-6018
2353-7663
Pojawia się w:
Acta Universitatis Lodziensis. Folia Oeconomica
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-4 z 4

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies