数据驱动的用户调研问卷自动生成研究-首届数据分析与知识发现.pdfVIP

数据驱动的用户调研问卷自动生成研究 章成志 南京理工大学经济管理学院信息管理系 首届“数据分析与知识发现”学术研讨会，2017年6月8~9 日，北京 大纲  研究背景  基本原理  效果验证  相关应用  未来工作 1. 研究背景  用户调研 1. 研究背景  用户调研方法: 传统人工问卷 vs. 机器自动问卷 1. 研究背景  传统的问卷调查  调研周期长  难以精确定位用户  数据获取困难  代价高 1. 研究背景  基于自动问答的问卷调查  时间成本低  调研对象针对性强  调研对象时间跨度长  相关的自动分析技术基础  大量的用户和评论数据 1. 研究背景  两个案例 CA Facebook 1. 研究背景  案例: CA / 1. 研究背景  案例: Facebook  Facebook在2012 年的一周时间内对大约70万用户展开“情绪传染”研究 Adam D. I. Kramer, Jamie E. Guillory, and Jeffrey T. Hancock. Experimental evidence of massive- scale emotional contagion through social networks. PNAS, 2014, 111 (24) : 8788-8790. 2.基本原理  自动问答技术：让用户直接用自然语言提问并获得答案  问题分析  信息检索  答案抽取 2. 基本原理  基于自动问答的问卷相关技术  文本预处理  句子级情感分类  属性抽取  属性级情感分类 2.基本原理  文本预处理  中文分词  特征选择  特征权重计算 2.基本原理  句子级情感分析  监督学习方法  半监督学习方法  无监督学习方法 2.基本原理  属性抽取——传统的方法  高频名词及词组  主题模型方法  利用观点和目标的关系  监督督学习方法 2.基本原理  属性抽取——我们的方法 周清清, 章成志*. 在线用户评论细粒度属性抽取, 情报学报, 2017年第5期 2.基本原理  属性抽取——我们的方法 2.基本原理  属性抽取——我们的方法 2.基本原理  属性情感分类  监督督学习方法  非监督学习方法 3. 效果验证  用户关于旅游服务满意度的问卷调研：机器自动问卷 vs. 传统人工问卷 Online Investigation of users’ attitudes using automatic question answering. Online Information Review, 2017 (Under review) 3.效果验证 3.效果验证  Automatic question generation  Automatic answer extraction  Comparison and analysis 3.效果验证  Examples of AQA based au