Comments on: [客座] 量化口碑評價的精準危機 http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/ 網路, 產業, 資訊, 觀察, 生活, 電影, 技術, 新知, 科技, 媒體, 趨勢, Web 2.0 Wed, 23 May 2012 15:48:00 +0000 hourly 1 http://wordpress.org/?v=3.0.1 By: rex http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-16732 rex Wed, 14 May 2008 03:09:35 +0000 http://mmdays.com/?p=5769#comment-16732 謝謝大家給我的寶貴意見，我會好好想想以上大家所提的現象及觀念。 謝謝大家給我的寶貴意見，我會好好想想以上大家所提的現象及觀念。

]]> By: rex http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-83479 rex Wed, 14 May 2008 03:09:00 +0000 http://mmdays.com/?p=5769#comment-83479 謝謝大家給我的寶貴意見，我會好好想想以上大家所提的現象及觀念。 謝謝大家給我的寶貴意見，我會好好想想以上大家所提的現象及觀念。

]]> By: Mr. Tomorrow http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-16727 Mr. Tomorrow Tue, 13 May 2008 21:12:40 +0000 http://mmdays.com/?p=5769#comment-16727 有好的抽樣，不同的評分就可以亙相比較，但這個「好的抽樣」是很難做到的。首先我們要有大量的評價，平均數或極端值分佈才有意義。在鼎鼎大名的Amazon.com ，很多商品都只有寥寥數個評價，這樣我們很難依靠平均值去彌補評分標準的偏差。另一個問題是如果一開首的人們評價不好，也許會影響了後來的人對某商品的觀感，這樣我們便更難得到「好的抽樣」了。(一百個凡事都只懂和議的「意見」，是及不上十個獨立思考的意見的) 在消費者的自然口語中萃取資料，一些經濟學家也有在用差不多的方法，他們以一些報紙的用詞來計算這份報紙的政治取向是較民主黨還是共和黨(是美國的研究啦)。在那位教授的一個seminar 中，他說「這種方法暫時未被廣泛採用，但一旦很多人都用這種方式，可以預見報紙會盡量避開這些影響評分的用詞來顯示自己是中立的」 我覺得是蠻合理的，而且同樣的問題也可能會出現在商品評價上。 有好的抽樣，不同的評分就可以亙相比較，但這個「好的抽樣」是很難做到的。首先我們要有大量的評價，平均數或極端值分佈才有意義。在鼎鼎大名的Amazon.com ，很多商品都只有寥寥數個評價，這樣我們很難依靠平均值去彌補評分標準的偏差。另一個問題是如果一開首的人們評價不好，也許會影響了後來的人對某商品的觀感，這樣我們便更難得到「好的抽樣」了。(一百個凡事都只懂和議的「意見」，是及不上十個獨立思考的意見的)

在消費者的自然口語中萃取資料，一些經濟學家也有在用差不多的方法，他們以一些報紙的用詞來計算這份報紙的政治取向是較民主黨還是共和黨(是美國的研究啦)。在那位教授的一個seminar 中，他說「這種方法暫時未被廣泛採用，但一旦很多人都用這種方式，可以預見報紙會盡量避開這些影響評分的用詞來顯示自己是中立的」 我覺得是蠻合理的，而且同樣的問題也可能會出現在商品評價上。

]]> By: shiaoshin http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-16675 shiaoshin Sun, 11 May 2008 21:08:56 +0000 http://mmdays.com/?p=5769#comment-16675 之前拜讀過部落格，沒想到在這裡注意到你的文章 人類語意評價量化一直以來都存在幾個不同面向的問題 評分基準、尺度不同，彼此對語意認知的不一致之類... 最近受到指點，正在追有關這方面的論文 目前看到比較可行的是procrustes analysis，一個利用數學矩陣變換的方式處理上述問題的手段 原先應該(其實沒有很肯定)是用來作圖形比對相關的分析 已經能找到將其概念代入統計領域的相關文獻，但是資源不多，是否可以運用在其他領域還很難說 相關資料建議可以從食品工業相關的期刊論文著手，這個領域對消費者資料的處理方式相當多元 之前拜讀過部落格，沒想到在這裡注意到你的文章
人類語意評價量化一直以來都存在幾個不同面向的問題
評分基準、尺度不同，彼此對語意認知的不一致之類…
最近受到指點，正在追有關這方面的論文
目前看到比較可行的是procrustes analysis，一個利用數學矩陣變換的方式處理上述問題的手段
原先應該(其實沒有很肯定)是用來作圖形比對相關的分析
已經能找到將其概念代入統計領域的相關文獻，但是資源不多，是否可以運用在其他領域還很難說
相關資料建議可以從食品工業相關的期刊論文著手，這個領域對消費者資料的處理方式相當多元

]]> By: shiaoshin http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-83478 shiaoshin Sun, 11 May 2008 21:08:00 +0000 http://mmdays.com/?p=5769#comment-83478 之前拜讀過部落格，沒想到在這裡注意到你的文章 人類語意評價量化一直以來都存在幾個不同面向的問題 評分基準、尺度不同，彼此對語意認知的不一致之類... 最近受到指點，正在追有關這方面的論文 目前看到比較可行的是procrustes analysis，一個利用數學矩陣變換的方式處理上述問題的手段 原先應該(其實沒有很肯定)是用來作圖形比對相關的分析 已經能找到將其概念代入統計領域的相關文獻，但是資源不多，是否可以運用在其他領域還很難說 相關資料建議可以從食品工業相關的期刊論文著手，這個領域對消費者資料的處理方式相當多元 之前拜讀過部落格，沒想到在這裡注意到你的文章
人類語意評價量化一直以來都存在幾個不同面向的問題
評分基準、尺度不同，彼此對語意認知的不一致之類…
最近受到指點，正在追有關這方面的論文
目前看到比較可行的是procrustes analysis，一個利用數學矩陣變換的方式處理上述問題的手段
原先應該(其實沒有很肯定)是用來作圖形比對相關的分析
已經能找到將其概念代入統計領域的相關文獻，但是資源不多，是否可以運用在其他領域還很難說
相關資料建議可以從食品工業相關的期刊論文著手，這個領域對消費者資料的處理方式相當多元

]]> By: cent http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-16673 cent Sun, 11 May 2008 19:05:30 +0000 http://mmdays.com/?p=5769#comment-16673 半夜中看到這個有趣的問題。 就我所學的，會將解決這問題的機制放在抽樣上。 簡單來說，樣本選取好的話，兩個同類標的物之間的比較，可以說是能夠信賴的，這是看平均數的部份。 接下來，可以看極端值的分佈，應該也能發現一些有趣的訊息。 引言>>發現這些問題之後，我們首先將原本的七階段評分加上對應的口語式評價敘述，讓消費者在選擇分數時有一個可以參考的情境，這讓這些評分更符合實際一點，但是這不會是最佳解。 這段話應該講的是效度。 >>之後，我們可能會再設計更深層的評價機制，務求以多元的標準來評價商品 一個產品只看單一面向，本來就會有偏差，不過在這個資訊爆炸的時代，只看排行是方便的作法，也最能夠吸引目光。要抽取哪些元素來讓人評價，是個有趣的問題，也跟前面提到的效度有關系。 看到這篇文，回想起以前所學的，才發現已經忘的差不多了。 XD 半夜中看到這個有趣的問題。 就我所學的，會將解決這問題的機制放在抽樣上。 簡單來說，樣本選取好的話，兩個同類標的物之間的比較，可以說是能夠信賴的，這是看平均數的部份。 接下來，可以看極端值的分佈，應該也能發現一些有趣的訊息。

引言>>發現這些問題之後，我們首先將原本的七階段評分加上對應的口語式評價敘述，讓消費者在選擇分數時有一個可以參考的情境，這讓這些評分更符合實際一點，但是這不會是最佳解。
這段話應該講的是效度。

>>之後，我們可能會再設計更深層的評價機制，務求以多元的標準來評價商品
一個產品只看單一面向，本來就會有偏差，不過在這個資訊爆炸的時代，只看排行是方便的作法，也最能夠吸引目光。要抽取哪些元素來讓人評價，是個有趣的問題，也跟前面提到的效度有關系。

看到這篇文，回想起以前所學的，才發現已經忘的差不多了。 XD

]]> By: cent http://mmdays.com/2008/05/12/%e9%87%8f%e5%8c%96%e5%8f%a3%e7%a2%91%e8%a9%95%e5%83%b9%e7%9a%84%e7%b2%be%e6%ba%96%e5%8d%b1%e6%a9%9f/comment-page-1/#comment-83477 cent Sun, 11 May 2008 19:05:00 +0000 http://mmdays.com/?p=5769#comment-83477 半夜中看到這個有趣的問題。 就我所學的，會將解決這問題的機制放在抽樣上。 簡單來說，樣本選取好的話，兩個同類標的物之間的比較，可以說是能夠信賴的，這是看平均數的部份。 接下來，可以看極端值的分佈，應該也能發現一些有趣的訊息。 引言>>發現這些問題之後，我們首先將原本的七階段評分加上對應的口語式評價敘述，讓消費者在選擇分數時有一個可以參考的情境，這讓這些評分更符合實際一點，但是這不會是最佳解。 這段話應該講的是效度。 >>之後，我們可能會再設計更深層的評價機制，務求以多元的標準來評價商品 一個產品只看單一面向，本來就會有偏差，不過在這個資訊爆炸的時代，只看排行是方便的作法，也最能夠吸引目光。要抽取哪些元素來讓人評價，是個有趣的問題，也跟前面提到的效度有關系。 看到這篇文，回想起以前所學的，才發現已經忘的差不多了。 XD 半夜中看到這個有趣的問題。 就我所學的，會將解決這問題的機制放在抽樣上。 簡單來說，樣本選取好的話，兩個同類標的物之間的比較，可以說是能夠信賴的，這是看平均數的部份。 接下來，可以看極端值的分佈，應該也能發現一些有趣的訊息。

引言>>發現這些問題之後，我們首先將原本的七階段評分加上對應的口語式評價敘述，讓消費者在選擇分數時有一個可以參考的情境，這讓這些評分更符合實際一點，但是這不會是最佳解。
這段話應該講的是效度。

>>之後，我們可能會再設計更深層的評價機制，務求以多元的標準來評價商品
一個產品只看單一面向，本來就會有偏差，不過在這個資訊爆炸的時代，只看排行是方便的作法，也最能夠吸引目光。要抽取哪些元素來讓人評價，是個有趣的問題，也跟前面提到的效度有關系。

看到這篇文，回想起以前所學的，才發現已經忘的差不多了。 XD

]]>