华东师范大学学报（自然科学版） >

2022 , Vol. 2022 >Issue 5: 100 - 114

DOI: https://doi.org/10.3969/j.issn.1000-5641.2022.05.009

供应链知识图谱构建与分析

疫情背景下快递物流服务的用户行为画像及主题挖掘研究

  • 李继玲 ,
  • 李宝林 ,
  • 严宋如
展开
  • 1. 西北政法大学 市场营销系, 西安　710122
    2. 成都信息工程大学 电子商务系, 成都　610103

收稿日期: 2022-07-13

  录用日期: 2022-07-14

  网络出版日期: 2022-09-26

基金资助

四川省科技服务业示范项目 (2021GFW015); 四川省电子商务与现代物流研究中心重点项目(DSWL21-3)

收起

Research on user behavior portrait and subject mining in the express logistics field during Coronavirus epidemic

  • Jiling LI ,
  • Baolin LI ,
  • Songru YAN
Expand
  • 1. Department of Marketing, Northwest University of Political Science and Law, Xi’an　710122, China
    2. Department of Electronic Commerce, Chengdu University of Information Technology, Chengdu　610103, China

Received date: 2022-07-13

  Accepted date: 2022-07-14

  Online published: 2022-09-26

Fold

摘要

基于微博2019年11月11日—2022年5月12日的快递物流博文数据, 对疫情背景下快递物流服务的用户行为进行画像, 以扎根理论为理论框架, 结合抽象聚类方法抽象出5种用户行为、22个主题内容, 并生成相应的用户画像. 论文进一步探讨了主题的内容、主题的演化和群体的差异性. 结果表明: ① 用户对快递物流服务的满意行为单一; ② 用户的不满意行为多样化, 存在明显的升级性; ③ “运输效率”和“物流保障”是影响快递物流服务评价的主要因素; ④ 疫情的发展变化影响用户主题内容呈现的关注点和态度;⑤ 主题内容具有明显不同程度的群体差异.

关键词： 用户行为画像; 主题挖掘; 演化; 群体差异

本文引用格式

李继玲 , 李宝林 , 严宋如 . 疫情背景下快递物流服务的用户行为画像及主题挖掘研究[J]. 华东师范大学学报（自然科学版）, 2022 , 2022(5) : 100 -114 . DOI: 10.3969/j.issn.1000-5641.2022.05.009

Abstract

Based on logistics-field blog post data from Weibo from November 2019 to May 2022, the user behaviors of express logistics services in the context of the Coronavirus epidemic are profiled. Using grounded theory and abstract clustering methods, five user behaviors and 22 subject contents are abstracted, and the corresponding user profile is generated. This paper further discusses the subject contents, the subject evolution, and the analysis of group differences. The results show that user satisfaction with logistics services was similar, and the dissatisfaction was diversified with obvious escalation. Variables of transportation efficiency and logistics guarantee were the main factors affecting the evaluation, and the development of the epidemic affected the concerns and attitudes of the subject contents, which had obvious group differences at different degrees.

Key words： user behavior profile; subject mining; evolution; group differences

参考文献

1 中华人民共和国国家发展和改革委员会. 关于推动物流高质量发展促进形成强大国内市场的意见 [EB/OL]. (2019-03-01)[2022-05-03]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201903/t20190301_962405.html?code=&state=123.
2 国家统计局. 中华人民共和国2021年国民经济和社会发展统计公报 [EB/OL]. (2022-02-28)[2022-05-03]. http://www.stats.gov.cn/xxgk/sjfb/zxfb2020/202202/t20220228_1827971.html.
3 张晗, 毕强, 李洁, 等. 基于用户画像的数字图书馆精准推荐服务体系构建研究. 情报理论与实践, 2019, 42 (11): 69- 74.
4 赵晓罡, 王越, 耿紫珍. 社交网络商业意见领袖用户画像研究. 商业经济研究, 2020, (16): 76- 79.
5 IGLESIAS J A, ANGELOV P, LEDEZMA A, et al. Creating evolving user behavior profiles automatically. IEEE Transactions on Knowledge and Data Engineering, 2012, 24 (5): 854- 867.
6 LANZA-CRUZ I, BERLANGA R, RAMBURU M. Modeling analytical streams for social business intelligence. Informatics, 2018, 5 (3): 33- 50.
7 TAYLOR-WEST P, SAKER J, CHAMPION D. Market segmentation strategies for complex auto motive products. Journal of Strategic Marketing, 2020, 28 (3): 266- 283.
8 HU X H, CERCONE N. Discovering maximal generalized decision rules through horizontal and vertical data-reduction. Computational Intelligence, 2001, 4 (17): 685- 702.
9 TEIXEIRA C, SOUSA P J, MARTINS J A. User profiles in organizational environments. Campus-Wide Information Systems, 2015, 25 (25): 329- 332.
10 AMATO G, STRACCIA U. User profile modeling and applications to digital libraries [C]// Proceedings of the Third European Conference on Research and Advanced Technology for Digital Libraries. Berlin, Heidelberg: Springer-Verlag, 1999: 184-197.
11 PETRIC K, PETRIC T, KRISPER M. User profiling on a pilot digital library with the final result of a new adaptive knowledge management solution. Knowledge Organization, 2011, 38 (2): 96- 113.
12 冯龄萱, 魏群义. 高校移动图书馆流失用户画像模型构建. 国家图书馆学刊, 2021, 30 (1): 14- 24.
13 熊回香, 李昕然, 代沁泉. 基于用户画像的数字档案馆个性化服务研究. 浙江档案, 2021, (7): 41- 44.
14 王志刚, 邱长波. 基于主题的政务微博评论用户画像研究. 情报杂志, 2022, 41 (3): 159- 165.
15 王大阜, 邓志文, 贾志勇, 等. 基于用户画像的高校图书馆个性化图书推荐研究. 河南师范大学学报 (自然科学版), 2022, 50 (3): 95- 103.
16 武慧娟, 赵天慧, 孙鸿飞, 等. 基于支付意愿的数字阅读用户画像聚类研究 [J/OL]. 情报科学: 1-11(2022-04-06)[2022-05-18]. http://kns.cnki.net/kcms/detail/22.1264.G2.20220405.1940.013.html.
17 李佳成, 鞠颂东, 陈默涵. 面向用户网络的物流网络自适应运作初探. 北京交通大学学报(社会科学版), 2010, 9 (4): 24- 30.
18 岑磊, 张凤玲, 王世波. 基于网络外部性的农村物流信息技术用户行为模型研究. 物流技术, 2013, 32 (3): 211- 213.
19 陈莉莎, 祁保华. 以顾客满意和柔性提升为导向的第三方物流企业服务精细化管理研究——基于对淘宝用户的调查. 西安电子科技大学学报(社会科学版), 2014, 24 (4): 32- 39.
20 翟珊珊, 段婕. 区域物流产业满足用户需求预测仿真. 计算机仿真, 2017, 34 (4): 436- 439.
21 王顺林, 陈一芳. “互联网 + ”物流信息安全管理的用户行为路径优化研究. 科技管理研究, 2018, 38 (16): 183- 189.
22 丁雪峰, 胡衡, 高攀. 考虑用户沟通成本的物流服务团购策略. 数学的实践与认识, 2019, 49 (13): 53- 60.
23 张宁. 服务延伸至用户的饲料物流供应链构建. 中国饲料, 2021, (17): 147- 150.
24 TAN X. Topic extraction and classification method based on comment sets. Journal of Information Processing Systems, 2020, 16 (2): 329- 342.
25 胡吉明, 钱玮, 李雨薇, 等. 基于LDA2Vec的政策文本主题挖掘与结构化解析框架研究. 情报科学, 2021, 39 (10): 11- 17.
26 罗棋, 闵超, 颜嘉麒, 等. 国际区块链研究主题挖掘及演化分析[J]. 现代情报, 2021, 41(9): 157-166.
27 仇惠玲, 刘雅玲. 线上虚拟试衣平台服务质量主题挖掘及指标构建 [J/OL]. 现代纺织技术: 1-7(2021-10-21)[2022-05-20]. DOI: 10.19398/j.att.202106046.
28 李玉媛, 熊回香, 杨梦婷, 等. 基于社会网络分析与LDA的虚拟学术社区中用户群体主题挖掘研究. 情报科学, 2021, 39 (11): 110- 116.
29 董伟, 董思遥, 张亚楠. 我国高等教育国际化领域研究主题识别与演化特征分析——基于文本挖掘的视角. 教育理论与实践, 2021, 41 (36): 3- 7.
30 熊文靓, 付慧真. 基于主题挖掘模型的跨学科性研究主题及其演化研究 [J]. 情报科学, 2021, 39(11): 117-126.
31 COOPER A. The Inmates Are Running the Asylum [M]. Indianapolis, Indiana: Sams, 2004.
32 吴江, 周露莎, 刘冠君, 等. 基于LDA的可穿戴设备在线评论主题挖掘研究. 信息资源管理学报, 2017, 7 (3): 24- 33.
33 KLEINBERG J. Bursty and hierarchical structure in streams. Data Mining and Knowledge Discovery, 2003, 7 (4): 373- 397.
34 郭国庆, 陈凯. 市场营销学 [M]. 6版. 北京: 中国人民大学出版社, 2019.
35 SIEVERT C, SHIRLEY K E. LDAvis: A method for visualizing and interpreting topics [C]// Proceedings of the Workshop on Interactive Language Learning, Visualization, and Interfaces. Baltimore, Maryland: Association for Computational Linguistics, 2014: 63-70.
36 CHUANG J, RAMAGE D, MANNING C, et al. Interpretation and trust: Designing model-driven visualizations for text analysis [C]// Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. New York: Association for Computing Machinery, 2012: 443-452.
Options
文章导航

/

〈 〉