社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

SMJ:引入基于机器学习的多模态数据融合方法:微型企业可信度测量的应用

唧唧堂 • 6 月前 • 206 次点击  

本期推荐一篇最新发表在SMJ上的论文《引入基于机器学习的多模态数据融合方法:微型企业可信度测量的应用》。随着数字化和社交媒体平台的崛起,企业与消费者之间的互动越来越依赖多种形式的沟通,如文本、音频和视频等。这些数据类型被称为多模态数据,它们共同描绘了卖家的行为和形象。然而,传统的战略研究往往依赖于单一模态数据(如文本),忽视了非语言信号(如面部表情、语调等)对消费者决策的影响。这就限制了研究的全面性和预测的准确性。因此,本研究旨在通过引入基于机器学习的多模态数据融合方法,提升对微型企业卖家可信度的评估。

论文采用了来自TikTok平台的直播视频数据,这些视频包含卖家的语言、视觉和音频信息。研究者首先通过人工标注对这些视频中的卖家可信度进行打分,并通过机器学习模型进行训练。标注工作基于可信度的经典框架,包括能力、善意和诚信三个维度。数据融合的核心在于将这些不同模态的数据进行统一处理和分析。具体来说,研究者使用了深度学习中的长短期记忆网络(LSTM)模型,分别从视频中提取文本、语音和视觉特征。语言特征通过自然语言处理工具提取,语音特征则包括语调、音高等信息,而视觉特征则集中在面部表情和肢体语言。研究设计了三种分析方法:全模态融合、部分模态融合和无融合方法,分别比较了它们在预测卖家可信度时的表现。

研究结果表明,全模态融合方法能够显著提升预测准确性,在二元分类中准确率达到94.37%,远优于仅分析单一模态数据的方法。更重要的是,卖家的可信度与其销售表现呈显著正相关,特别是在体验型产品中,可信度对销售转化率的影响更为显著。该研究不仅为微型企业在数字平台上的经营提供了策略指导,还展示了多模态数据分析在战略管理中的巨大潜力。未来,随着更多数据平台的引入和技术的进步,这一研究方法可以进一步扩展应用到更多行业和领域。

论文原文:
SMJ,Volume 45 Issue 8,
Introducing machine-learning-based data fusion methods for analyzing multimodal data: An application of measuring trustworthiness of microenterprises
Xueming Luo, Nan Jia, Erya Ouyang, Zheng Fang


唧唧堂学院推荐订阅


以下专栏及课程,安卓手机用户可通过下方小程序链接订阅,苹果手机用户请通过文末“阅读原文”链接访问唧唧堂学院H5页面订阅。


论文导读


**管理学**

管理学量表数据库

管理学论文导读会员(年度)

2024管理学顶刊论文导读/数据库

2024战略管理顶刊论文导读/数据库

2024组织行为与人力顶刊论文导读/数据库

2024营销学顶刊论文导读/数据库

2024运营管理顶刊论文导读/数据库

人工智能主题论文导读专栏

中国主题管理学论文导读专栏

数字化主题管理学论文导读专栏

SMJ历年最经典论文导读专栏

AMJ历年最经典论文导读专栏


更多管理学论文导读专栏请访问

唧唧堂学院


方法班课程


AMJ(2022)微观研讨班

计量经济学论文研讨班

行为和心理科学顶刊听读研讨班

中介调节顶看方法班-单层(学生)

中介调节顶刊方法班-多层(学生)

经验取样顶刊方法班(学生)


更多方法班直播课程请访问

唧唧堂学院



咨询+开票+团购


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/174754
 
206 次点击