基于互聯(lián)網(wǎng)投訴數(shù)據(jù)的缺陷汽車召回風(fēng)險(xiǎn)預(yù)警模型研究.pdf

1、隨著我國居民平均生活水平的提高，汽車產(chǎn)品消費(fèi)正在快速增長。但是，由于在汽車產(chǎn)品的設(shè)計(jì)和生產(chǎn)過程中存在的不足，導(dǎo)致投放到汽車市場中的部分汽車產(chǎn)品或多或少地存在一些質(zhì)量缺陷。這些質(zhì)量缺陷的存在給汽車消費(fèi)者的財(cái)產(chǎn)和安全帶來了潛在的威脅。幸運(yùn)的是，我國已于2004年3月15日正式發(fā)布《缺陷汽車產(chǎn)品召回管理規(guī)定》，并于2004年10月1日起開始正式實(shí)施。該規(guī)定旨在管理缺陷汽車產(chǎn)品的及時(shí)發(fā)現(xiàn)和召回，保障我國汽車產(chǎn)品消費(fèi)者的合法權(quán)益。
　　但是

2、現(xiàn)行的缺陷汽車產(chǎn)品召回制度還不能做到快速地發(fā)現(xiàn)汽車消費(fèi)市場中存在的缺陷汽車產(chǎn)品，只有等到某汽車缺陷投訴達(dá)到一定規(guī)?；蛘甙l(fā)生維權(quán)事件后，汽車生產(chǎn)廠家或國家相關(guān)監(jiān)管機(jī)構(gòu)才有可能調(diào)查存在的質(zhì)量缺陷問題，進(jìn)而采取有效的召回措施，避免由于質(zhì)量缺陷帶來的威脅進(jìn)一步擴(kuò)散。隨著互聯(lián)網(wǎng)在我國的快速普及與發(fā)展，網(wǎng)絡(luò)已經(jīng)變得越來越觸手可及，當(dāng)汽車消費(fèi)者遭遇到質(zhì)量缺陷時(shí)，越來越傾向于第一時(shí)間在互聯(lián)網(wǎng)平臺(tái)發(fā)泄不滿情緒，發(fā)表投訴信息。這為通過利用現(xiàn)有數(shù)據(jù)挖掘技術(shù)快

3、速發(fā)現(xiàn)市場中存在質(zhì)量缺陷的汽車產(chǎn)品創(chuàng)造了可能性。
　　本文在以上的背景下，通過大量自動(dòng)化方式收集互聯(lián)網(wǎng)上各個(gè)汽車平臺(tái)中的消費(fèi)者的投訴數(shù)據(jù)，構(gòu)建了一個(gè)投訴數(shù)據(jù)庫。采用現(xiàn)有數(shù)據(jù)挖掘領(lǐng)域中的文本挖掘方法對汽車產(chǎn)品進(jìn)行召回風(fēng)險(xiǎn)預(yù)警研究。本文的研究工作包括以下三個(gè)方面:
　　1)汽車投訴數(shù)據(jù)的自動(dòng)化收集和預(yù)處理
　　互聯(lián)網(wǎng)上關(guān)于汽車質(zhì)量的投訴數(shù)據(jù)分布散亂，且數(shù)據(jù)格式各異，因此為了高效地挖掘這些汽車投訴數(shù)據(jù)，首先需要大量收集這些數(shù)

4、據(jù)，并將這些無結(jié)構(gòu)化的文本數(shù)據(jù)轉(zhuǎn)換成半結(jié)構(gòu)化或結(jié)構(gòu)化文本數(shù)據(jù)，將其作為后期進(jìn)一步處理的數(shù)據(jù)源。本文通過設(shè)計(jì)和實(shí)現(xiàn)自動(dòng)化的定向爬蟲程序收集互聯(lián)網(wǎng)上各個(gè)平臺(tái)的投訴數(shù)據(jù)，并通過數(shù)據(jù)預(yù)處理程序?qū)⑦@些雜亂的文本數(shù)據(jù)處理成便于進(jìn)一步挖掘的高質(zhì)量數(shù)據(jù)。本文最終收集到126189條汽車投訴數(shù)據(jù)，為后面的挖掘任務(wù)提供了高規(guī)模、高質(zhì)量的數(shù)據(jù)源。
　　2)基于汽車投訴數(shù)據(jù)的文本分類研究
　　通過觀察投訴數(shù)據(jù)發(fā)現(xiàn)，每一條投訴數(shù)據(jù)都是針對某款車系的一

5、個(gè)或多個(gè)汽車部件進(jìn)行的投訴，而消費(fèi)者所投訴的汽車部件并不是直接地通過一個(gè)字段給出，而是通過一段自由文本的描述給出。因此，需要首先對描述質(zhì)量問題的文本進(jìn)行文本分類。本文按照常見的汽車部件分類體系，定義了八個(gè)故障類別，它們分別是:發(fā)動(dòng)機(jī)故障、離合器故障、變速箱故障、剎車系統(tǒng)故障、懸掛系統(tǒng)故障、車身附件及電子設(shè)備故障、轉(zhuǎn)向系統(tǒng)故障、輪胎故障。每一條投訴數(shù)據(jù)都會(huì)被自動(dòng)化歸類到以上八個(gè)類別之一下。本文采用有監(jiān)督的SVM機(jī)器學(xué)習(xí)文本分類方法，對比了

6、多個(gè)文本特征選擇方法。實(shí)驗(yàn)結(jié)果表明，在高維的特征空間的情況下，卡方檢驗(yàn)和信息增益兩種方法能夠取得較好的分類效果，分別為85.75％和82.25％。
　　3)基于投訴數(shù)據(jù)的汽車召回風(fēng)險(xiǎn)預(yù)警模型研究
　　本文的最終目的是為了對市場上的汽車產(chǎn)品進(jìn)行召回風(fēng)險(xiǎn)預(yù)警，因此需要建立預(yù)警模型。本文分別建立了只考慮投訴量的單變量預(yù)警模型和綜合考慮多個(gè)參數(shù)的多變量預(yù)警模型。這兩種模型都能夠根據(jù)現(xiàn)有的投訴數(shù)據(jù)，為每一款車系進(jìn)行召回風(fēng)險(xiǎn)計(jì)算，得到召