申请/专利权人：哈尔滨工业大学

申请日：2023-08-24

公开（公告）日：2024-06-25

公开（公告）号：CN117094855B

主分类号：G06Q50/12

分类号：G06Q50/12;G06Q10/0639;G06F18/10;G06F16/951;G06F16/9535;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2023.12.08#实质审查的生效;2023.11.21#公开

摘要：基于酒店服务语言的非本土语言顾客满意度的预测方法，本发明属于数据分析技术领域。方法是：获取目标酒店的基本数据、评论数据以及顾客数据，得到原始数据集；对原始数据集进行数据预处理；对研究模型所需的变量进行定义，并利用清洗后的数据集对所需的变量进行测算；分别设置被解释、解释、调节和控制变量，构建基于固定效应的计量模型，计算得到固定效应模型的系数和残差项；对非本土语言顾客满意度的预测模型进行稳健性检验；若预测模型通过了稳健性检验，则将固定效应模型的系数和残差项带入模型，即得到基于酒店服务语言的非本土语言顾客满意度的预测模型；若未通过，则需对预测模型进行再次构建与分析。本发明用于酒店顾客满意度预测。

主权项：1.一种基于酒店服务语言的非本土语言顾客满意度的预测方法，其特征在于：所述方法包括以下步骤：步骤一：获取原始数据集；通过爬虫程序从TripAdvisor网站上获取目标酒店的基本数据、评论数据以及顾客数据，得到原始数据集；步骤二：数据预处理；对原始数据集进行数据预处理，包括数据清洗和数据筛选，删除缺少数据和有异常数据的样本，并筛选出评论语言为非本土语言的其他语种评论样本，得到清洗后的数据集；步骤三：变量定义和计算；根据对酒店服务语言和顾客满意度相关文献的梳理，确定酒店服务语言对非本土语言顾客满意度的影响的研究模型，并对研究模型所需的变量进行定义，所需的变量及定义包括顾客评级、酒店服务语言丰富性、酒店服务语言一致性、酒店位置热度、酒店外语服务经验、顾客旅行经验、评论文本长度、评论图片数量、评论有用性投票、评论设备、酒店受欢迎度、酒店声誉、顾客评分偏好，并利用步骤二中得到的清洗后的数据集对所需的变量进行计算；步骤四：固定效应模型分析；在步骤三的基础上确定被解释变量、解释变量、调节变量和控制变量，其中，将顾客评级作为被解释变量，酒店服务语言丰富性和酒店服务语言一致性作为解释变量，酒店位置热度、酒店外语服务经验和顾客旅行经验作为调节变量，顾客旅行经验、评论文本长度、评论图片数量、评论有用性投票、评论设备、酒店受欢迎度、酒店声誉、顾客评分偏好作为控制变量，构建包含上述变量的固定效应模型，将步骤三中通过计算得到的变量数据导入STATA软件来拟合固定效应模型，计算得到固定效应模型的系数和残差项；所述步骤四中，构建固定效应模型具体为：即将被解释变量表示为解释变量、调节变量、解释变量和调节变量的交互项、常数项、误差项、个体固定效应和时间固定效应的函数；所述固定效应模型的构建过程具体为：未带交互项的固定效应模型，计算方式如下：Ratingij＝β0+β1LangRichnessij+β2LangConsistencyij+β3Controlsij+∑IJλijStayTypeFEij+∑IJμijRevLangFEij+∑TδtRYearFEt+∑TτtRMonthFEt+εij其中i指的是酒店，j指的是酒店i的第j条评论，t指的是评论的时间，Ratingij表示酒店i第j条评论的顾客评分，LangRichnessij表示酒店i第j条评论的服务语言丰富度，LangConsistencyij表示酒店i第j条评论的服务语言一致性，Controlsij表示酒店i第j条评论的控制变量，StayTypeFEij表示酒店i第j条评论的入住类型固定效应，RevLangFEij表示酒店i第j条评论的语言种类固定效应，RYearFEt表示评论时间t的年份固定效应，RMonthFEt表示评论时间t的月份固定效应，β0指的是常数项，β1指的是服务语言丰富度的系数，β2指的是服务语言一致性的系数，β3指的是控制变量的系数，λij指的是酒店i第j条评论的入住类型固定效应的系数，μij指的是酒店i第j条评论的语言种类固定效应的系数，δt指的是评论时间t的年份固定效应的系数，τt指的是评论时间t的月份固定效应的系数，εij是酒店i第j条评论的误差项；带交互项的固定效应模型，计算方法如下：Ratingij＝β0+β1LangRichnessij+β2LangConsistencyij+β4HotelLocationGradeij+β5HotelLangExpertiselij+β6CsmTravelExpertiseij+β7LangRichnessij×HotelLocationGradeij+β8LangRichnessij×HotelLangExpertiselij+β9LangRichnessij×CsmTravelExpertiseij+β3Controlsij+∑IJλijStayTypeFEij+∑IJμijRevLangFEij+∑TδtRYearFEt+∑TτtRMonthFEt+εijRatingij＝β0+β1LangRichnessij+β2LangConsistencyij+β4HotelLocationGradeij+β5HotelLangExpertiselij+β6CsmTravelExpertiseij+β10LangConsistencyij×HotelLocationGradeij+β11LangConsistencyij×HotelLangExpertiselij+β12LangConsistencyij×CsmTravelExpertiseij+β3Controlsij+∑IJλijStayTypeFEij+∑IJμijRevLangFEij+∑TδtRYearFEt+∑TτtRMonthFEt+εij其中i指的是酒店，j指的是酒店i的第j条评论，t指的是评论的时间，Ratingij表示酒店i第j条评论的顾客评分，LangRichnessij表示酒店i第j条评论的服务语言丰富度，LangConsistencyij表示酒店i第j条评论的服务语言一致性，HotelLocationGradeij表示酒店i第j条评论的酒店位置热度，HotelLangExpertiselij表示酒店i第j条评论的酒店外语服务经验，CsmTravelExpertiseij表示酒店i第j条评论的旅客旅行经验，Controlsij表示酒店i第j条评论的控制变量，StayTypeFEij表示酒店i第j条评论的入住类型固定效应，RevLangFEij表示酒店i第j条评论的语言种类固定效应，RYearFEt表示评论时间t的年份固定效应，RMonthFEt表示评论时间t的月份固定效应，β0指的是常数项，β1指的是服务语言丰富度的系数，β2指的是服务语言一致性的系数，β4指的是酒店位置热度的系数，β5指的是酒店外语服务经验的系数，β6指的是顾客旅行经验的系数，β7、β8和β9指的是服务语言丰富度对应交互项的系数，β10、β11和β12指的是服务语言一致性对应交互项的系数，β3表示控制变量的系数，λij指的是酒店i第j条评论的入住类型固定效应的系数，μij指的是酒店i第j条评论的语言种类固定效应的系数，δt指的是评论时间t的年份固定效应的系数，τt指的是评论时间t的月份固定效应的系数，εij是酒店i第j条评论的误差项；步骤五：稳健性检验；通过替换被解释变量和调整样本范围的检验方法对非本土语言顾客满意度的固定效应模型中的变量关系进行稳健性检验；若固定效应模型通过了稳健性检验，则意味着它具有可靠性，将步骤四计算得到的固定效应模型的系数和残差项带入固定效应模型，即得到基于酒店服务语言的非本土语言顾客满意度的预测模型；若未通过稳健性检验，则需对预测模型进行再次构建与分析，即返回步骤四。

全文数据：

权利要求：

百度查询： 哈尔滨工业大学 基于酒店服务语言的非本土语言顾客满意度的预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD