用户参与众包创新的机会主义行为识别研究

2021-9-28 11:39| 发布者: Fuller| 查看: 2241| 评论: 0

摘要: 今天分享的这篇研究范例,使用GooSeeker网络爬虫软件,结合国内典型众包平台———猪八戒网,通过分析用户参与众包创新的机会主义行为主要表现,构建包括综合工 作 能 力、信 誉 水 平、服务水平和历史交易水平的四 ...

Gooseeker致力于为写论文搞研究的同学们提供易用的数据收集和文本挖掘工具,同时也会发掘一些已有的好的研究案例,分享给大家。

今天分享的这篇研究范例,使用GooSeeker网络爬虫软件,结合国内典型众包平台———猪八戒网,通过分析用户参与众包创新的机会主义行为主要表现,构建包括综合工 作 能 力、信 誉 水 平、服务水平和历史交易水平的四维度识别体系,以及基于PCA-BP神经网络的用户机会主义行为识别模型。

1,范例简介

题目: 用户参与众包创新的机会主义行为识别研究

作者

花锦彤1,2 孟庆良1,2 徐信辉1,2

作者单位

1. 江苏科技大学服务制造模式与信息化研究中心

2. 江苏科技大学经济管理学院

关键词: 众包创新;机会主义行为;PCA-BP型神经网络;识别模型;

发表日期: 2021-06-15

基金资助: 

教育部人文社科基金项目“众包创新虚拟社区的用户角色、网络结构与关系治理研究”(19YJA630055); 

江苏省研究生科研与实践创新计划项目“众包创新模式下用户机会主义行为的识别及规避策略研究”(KYCX19_1652);

摘要

众包模式作为企业获取外部网络知识,将创意、智慧、技能转化成商业价值的新型创新模式,存在组织形式松散、参与用户自由自愿、创新目的性强和信息不对称等特征,容易导致用户在参与众包创新过程中出现诸如方案欺诈、知识产权窃取、搭便车等机会主义行为。为打造良好的众包创新环境,降低众包创新风险,需要科学识别和规避用户机会主义行为。结合众包创新实践,通过分析用户参与众包创新的机会主义行为主要表现,构建包括综合工作能力、信誉水平、服务水平和历史交易水平的四维度识别体系,以及基于PCA-BP神经网络的用户机会主义行为识别模型;同时,结合国内典型众包平台——猪八戒网,利用网络爬虫软件GooSeeker获取相关数据开展实证研究,以验证模型的可行性与有效性。

文章目录

一、 众包创新中用户机会主义行为识别体系构建

    (一) 众包创新中用户机会主义行为主要表现

        1. 方案欺诈

        2. 诱导或要挟发包方评价

        3.言过其实,诱导选标

        4.恶意评价

    (二) 众包创新中用户机会主义行为识别体系

二、 基于PCA-BP神经网络的用户机会主义行为识别模型

三、 实证分析

    (一) 确定主成分

    (二) BP神经网络模型构建

        1. 各层网络节点数的选取

        2. 传递函数与训练函数的确定

    (三) 结果分析

四、 管理启示

    第一,设置用户机会主义行为识别机制。

    第二,完善用户机会主义行为惩罚机制。

    第三,营造诚信的众包创新平台环境。

2,GooSeeker软件工具的作用

2.1,用GooSeeker网络爬虫收集互联网数据

GooSeeker平台将常用的采集任务做成了快捷采集工具,也就是现成的采集规则,那么,用户只需为一些特殊网站定义采集规则即可。快捷采集又分成了两类:

1. GooSeeker微博工具箱专门针对微博类数据开发了专门的采集任务管理界面,提高易用性; 

2,普通的GooSeeker快捷采集针对其他常用网站的采集任务。

以收集豆瓣影评数据为例,可以使用GooSeeker网络爬虫软件提供的豆瓣采集快捷工具,添加网址或者关键词,启动采集即可。采集完成后,导出excel数据表。

2.2,GooSeeker中文文本分词和情感分析工具

在使用量化分析模型之前,需要将文本进行分词和其他必要的NLP处理,可以使用GooSeeker中文分词和情感分析软件工具。

有些复杂的数据挖掘算法,GooSeeker分词软件并不便于提供,那么,GooSeeker团队将这些算法用Python实现了,用Jupyter Notebook的格式提供给大家,比如:

1. 分析电商评论发现消费者话题-LDA主题分析篇(Jupyter Notebook)

2.分析电商评论发现消费者话题-生成走势图(Jupyter Notebook)

3. JupyterNotebook做层次分析法(AHP)权重计算


鲜花

握手

雷人

路过

鸡蛋

最新评论

GMT+8, 2024-3-29 01:25