置身于体验经济的大背景下,人们对产品服务体验的诉求日益增长,产品服务设计与改进都围绕提升用户体验质量展开。用户服务过程中的情绪感受是用户服务体验质量的直观反映。关注产品服务引发的用户情绪感受,可以更好地实现用户体验质量提升。UGC内容相对真实、客观地描述了用户所观所感,涵盖了用户对产品服务属性的情绪评价信息,可连接产品与用户。同时,产品服务属性繁多,如何利用UGC文本确定各服务属性重要程度是关键问题。KANO模型可以根据产品服务属性表现和用户满意度之间的非线性关系对产品服务属性分类,但存在较强主观性。因此,本文充分考虑UGC文本中服务体验情绪信息,挖掘用户对服务属性表现的感知与需求,并结合KANO模型确定服务属性重要程度,为服务体验质量提升奠定基础。首先,为提取UGC文本所蕴含的服务体验情绪信息,本文构建了面向文本的PAD三维情绪计算模型,将文本转化为表达情绪的可计算PAD三维情绪向量。考虑到目前研究未全面考虑影响情绪表达的相关文本特征,容易造成语义歧义、表达冲突,影响计算模型效果。本文充分考虑不同文本特征对不同维度情绪表达的影响,构建适用于PAD连续维度情绪的文本特征工程,获得更准确表示文本PAD三维情绪信息的文本特征。并将获得的全面且非冗余的文本特征作为模型输入,构建更有效的PAD三维情绪计算模型。其次,求解考虑多文本特征的PAD情绪计算模型。就连续维度情绪文本特征的构建与选择提取文本特征自变量,考虑多通道特征嵌入丰富文本表示,利用多路CNN-Bi-LSTM神经网络模型分别学习不同连续维度情绪文本特征的局部信息与全局信息,更准确的提取PAD情绪计算模型自变量,求解PAD情绪计算模型。同时,考虑到PAD情绪空间语料库匮乏,有监督的融合通道特征的PAD情绪计算模型无法得到有效训练。本文构造半监督变分自编码器框架,嵌入融合通道特征的CNN-Bi-LSTM的PAD模型求解方法,构建适用于小样本问题的PAD三维情绪计算模型求解算法,有效地缓解了小样本问题。最后,为衡量各服务属性重要程度,本文构建了连续维度情绪的KANO属性分类模型。传统KANO模型普遍依赖调查问卷获取用户服务属性需求,主观性较强,无法准确反映用户真实感受。本文从UGC中挖掘用户对服务体验的情绪感受,结合UGC数据集构造服务属性体系抽取属性词,并利用PAD三维情绪模型获取属性-情绪强度对,改变了用户服务属性需求获取方式和情绪表达的形式,有效地弥补传统KANO模型主观性影响。最后结合属性-情绪对计算各服务属性的情绪强度、占比及重要度,构建连续维度情绪的服务属性KANO模型,确定各服务属性重要程度,为用户服务体验质量改进提供依据。