从在线乘客评论中发现航空公司特定商业智能：一种无监督文本分析方法

为从乘客视角理解服务质量的重要维度并定制服务产品以获取竞争优势，航空公司可利用丰富的在线客户评论（OCR）。本文目标是使用无监督文本分析方法从 OCR 中发现公司与竞争对手特定的情报。首先，使用三种主题模型——概率潜在语义分析（pLSA）与两种潜在狄利克雷分配变体（LDA-VI 和 LDA-GS）提取 OCR 中讨论的关键方面（或主题）。随后，我们提出集成辅助主题模型（EA-TM），其整合各独立主题模型，将每条评论句子分类至最具代表性的方面。类似地，为确定评论句子对应情感，开发了集成情感分析器（E-SA），其结合三种意见挖掘方法（AFINN、SentiStrength 和 VADER）的预测。通过整合与各方面关联的情感，建立基于方面的意见摘要（AOS），提供某航空公司乘客感知优势与劣势的概览。此外，对标注 OCR 进行双词分析，以在各识别方面内执行根因分析。一项涉及某美国目标承运商及其四家竞争对手共 99,147 条航空评论的案例研究用于验证所提方法。结果表明，可从 OCR 获得具成本与时间效益的航空公司及其竞争对手绩效摘要。最后，除基于结果提供理论与管理的启示外，考虑到 2019 冠状病毒病（COVID-19）的前所未有影响及对未来类似大流行的预测，我们还提供了航空业后疫情准备的启示。