基于在线评论的即时配送服务需求挖掘研究

Instant delivery service (IDS) is a key section in O2O business models such as Catering & Delivering and New-Retailing. Due to the fierce competition in IDS industry and the diversified development of the delivering products, the consumers' requirements for instant delivery service has been higher than before. In order to grasp the trend of consumers' requirements for IDS, this project conducts an in-depth study on consumers' demand characteristics for IDS based on online reviews of Catering & Delivering and New-Retailing under the O2O mode. However, in previous studies on online reviews, there is lack of thorough study on the effective online reviews recognition, the fine-grained sentiment analysis on reviews text and the multi-characteristics requirements of IDS consumers. Therefore, we put an emphasis on the identification of effective reviews about IDS, the algorithm of fine-grained sentiment analysis and the methodology of multi-source heterogeneous data fusion to excavate the characteristics of consumers' demand for IDS and explore the interaction mechanism between the characteristics of consumers' demand for IDS and reveal the influence mechanism of the characteristics of consumers' demand and the IDS resource allocation mechanism, using the multi-dicipline theory and techniques including natural language processing, machine learning, behavioral science, data modeling, sentiment analysis and so forth. The research results of this project will enrich the relevant theories of data-driven consumers' demand mining and analysis, and provide theoretical support and methodology guidance in practice for IDS platform enterprises to enhance delivery efficiency, improve consumer satisfaction and reduce operations costs.

即时配送服务（IDS）是餐饮外卖、新零售等新兴O2O商业模式中的关键环节。本课题以餐饮外卖、新零售平台的在线评论数据为支撑，围绕O2O模式下消费者属性特点及消费者对即时配送服务的需求规律展开深入研究。针对目前面向IDS在线评论有效评论识别、情感倾向分析和数据融合研究的不足，以及IDS消费者需求多样化等问题，本课题拟采用自然语言处理、机器学习、行为科学、数据建模、情感分析等技术方法，建立IDS有效评论的识别方法、低资源细粒度的情感倾向预测算法、多源异构数据融合模型、即时配送服务多样化需求特性挖掘算法，揭示消费者群体异质性、配送条件多元化、代买服务未知性等即时配送服务需求规律，探索需求特性对IDS资源调度的影响机制和作用机理。本课题的研究成果将丰富数据驱动的需求特性挖掘和分析的相关理论，为IDS平台企业降低成本、提高配送效率和改善消费者满意度提供方法支持。

在O2O商业模式下，在线评论作为一种用户生成的信息，其商业价值凸显。本课题以在线评论数据为支撑，围绕消费者属性特点及消费者对产品及服务的需求规律展开深入研究。为此，构建了多个重要数据资源，包括：美团外卖、携程网、Tripadvisor、Staycation等平台的商家信息及消费者评论。在此基础上，针对目前在线评论有用性识别、消费者情感分析和多模态数据融合研究的不足，采用自然语言处理、机器学习、深度学习、行为科学等技术方法，建立基于多层感知机(MLP)、知识采纳模型（KAM）理论和无核二次曲面支持向量机（QSSVM）的有效评论的识别方法，有效提高了评论有用性的识别效果；基于依存句法及语言规则、RoBERTa-BiLSTM-CRF融合模型的细粒度情感分析算法，克服隐式评价属性和多词构成的评价属性无法识别的问题，显著提供识别效果，为分析消费者需求奠定基础；提出Faster R-CNN-FFS图片目标检测模型、基于DeepsentiBank的图片内容提取方法进行图片内容分析，并提出基于多通道TextCNN的嵌入式和结构化特征融合方法进行多模态数据融合，从而可以利用消费者生成的数值、文本、图片等多种模态的数据分析消费者需求及行为；基于上述数据分析结果，进一步结合Kano理论、三因素理论、同质理论等模型分析挖掘了消费者需求偏好及需求特点。本课题的研究成果丰富了数据驱动的消费者需求特性挖掘和分析的相关理论，项目负责人以第一/通讯作者在澳大利亚ABDC的A类期刊《Journal of Hospitality and Tourism Management》、国际权威期刊《Computers & Industrial Engineering》、《Knowledge-Based Systems》、《Electronic Commerce Research and Applications》以及基金委管理学部认定的A类期刊《中国管理科学》等高质量期刊发表论文5篇，完成专著1部，申请专利1项（受理中），工作论文多篇。此外，项目中的典型案例成功服务社会经济发展，获批教育部精准扶贫典型项目1项、完成《2021年中国房产网络舆情分析报告》；孵化出一系列人才培养成果：省级教学成果奖一等奖1项、省级一流课程1门、学生竞赛获奖多项。