图书馆建设 ›› 2024, Vol. 330 ›› Issue (6): 89-.

• 服务研究 • 上一篇    下一篇

基于 Word2Vec 与 LSTM 混合模型的公共图书馆用户多维满意度量化方法研究

[摘  要]  以问卷调查为主要方法的公共图书馆满意度评价方式存在成本高、数据连续性差、覆盖范围有限等问题，而以在线评论为数据源、运用深度学习方法测算多维度公共图书馆满意度得分的模型可以有效弥补这些不足。该模型结合了 Word2Vec 在上下文间语义关联的优势和长短期记忆（LSTM）人工神经网络模型在长期依赖问题上的优势，通过构建“评论文本—用户满意度各项指标得分”数据集，训练模型得到多维满意度测评结果。经检验，该模型计算准确率较高，且与通过问卷调查方式得出的满意度评分具有较高的一致性。同时，多维公共图书馆满意度量化模型在成本、效率、时空范围等方面能够较好地弥补问卷调查方法的短板。   

PDF (PC)

可视化

0