دانلود مقاله ISI انگلیسی شماره 98518
ترجمه فارسی عنوان مقاله

شناسایی رقبا از طریق مقایسه مقایسهای معادن بررسیهای آنلاین در صنعت رستوران

عنوان انگلیسی
Identifying competitors through comparative relation mining of online reviews in the restaurant industry
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
98518 2018 14 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Hospitality Management, Volume 71, April 2018, Pages 19-32

ترجمه کلمات کلیدی
شناسایی رقبا، استراتژی بهبود خدمات، تحلیل رقابتی، معادلات مربوط به رابطه، بررسی آنلاین، صنعت رستوران،
کلمات کلیدی انگلیسی
Competitor identification; Service improvement strategy; Competitive analysis; Aspects-comparison relation mining; Online review; Restaurant industry;
ترجمه چکیده
برای رستوران ها برای اهداف رقابتی به رقبا اهمیت می دهند. در عین حال، منابع غنی از نظرات مانند سایت های بررسی آنلاین می توانند برای درک نظرات دیگران نسبت به خدمات رستوران استفاده شوند. به این ترتیب ما یک مدل جدید برای استخراج روابط مقایسه ای از بررسی های آنلاین پیشنهاد می دهیم و سپس سه نوع شبکه مقایسه را ایجاد می کنیم که امکان تجزیه و تحلیل رقابت را برای سه وظیفه فراهم می کند. اولین شبکه به رستوران ها کمک می کند که ساختار بازار را برای موقعیتشان تحلیل کنند. شبکه دوم قادر به شناسایی رقبای برتر با استفاده از شاخص رقابت و شاخص غیرمستقیم است. شبکه سوم به رستوران ها کمک می کند نقاط قوت و ضعف را از طریق معادله مقایسۀ نسبت به جنبه ها شناسایی کند. در نهایت، محیط بازار به صورت بصری با توجه به سه نوع شبکه نمایش داده می شود. نتایج تجربی نشان دهنده اثربخشی تجزیه و تحلیل رقابت پیشنهاد شده با استفاده از تجزیه و تحلیل متن است، که می تواند رقبای برتر را شناسایی و ارزیابی محیط بازار، و همچنین کمک به رستوران مرکزی به طور موثر توسعه یک استراتژی بهبود خدمات.
پیش نمایش مقاله
پیش نمایش مقاله  شناسایی رقبا از طریق مقایسه مقایسهای معادن بررسیهای آنلاین در صنعت رستوران

چکیده انگلیسی

It is of importance for restaurants to identify their competitors to gain competitiveness. Meanwhile, opinion-rich resources like online reviews sites can be used to understand others opinion toward restaurant services. We thus propose a novel model to extract comparative relations from online reviews, and then construct three types of comparison relation networks, enabling competitiveness analysis for three tasks. The first network help restaurants analyze market structure for their positioning. The second network enables to identify top competitors using competitive index and dissimilarity index. The third network help restaurants identify strengths and weaknesses through aspects-comparison relation mining. Finally, the market environment is illustrated in a visual way according to the three types of networks. Experimental results reveal the effectiveness of the proposed competitiveness analysis using text analytics, which can identify top competitors and evaluate the market environment, as well as help the focal restaurant effectively develop a service improvement strategy.