机构名称：
¥ 1.0
Jeehaan Algaraady Mohammad Mahyoob Albuhairy Taiz大学，也门Taibah大学，沙特阿拉伯摘要摘要该研究通过涵盖大型语言模型（LLM）DeepSeek的用户印象，其中包含双重分析框架和主题分析。该研究旨在找到用户响应的主要情绪和重复的主题。双焦点方法通过包括情感和主题来增强对用户满意度，关注点和期望的看法。使用基于规则的Vader情感分析和主题评估的混合方法方法用于分析用户反馈，以阐明平台特定的优势和系统性挑战。的结果表明，DeepSeek被用户（+0.80的总体情感）以及可访问性的高分（+0.93）和智能与推理（+0.88）认为是高度积极的。尽管如此，新兴的批评围绕其审查制度和内容政策（-0.20）。用户通过免费访问来鼓掌分析精度，但批评接口导航问题。主题分析将DeepSeek指定为与分析驱动的用户的富裕，同时强调了其高度顽强的针对特定领域问题的能力。但是，跨切割挑战包括延迟，稳定性以及内容审核与用户自主权之间的固有张力。AI评估框架是通过添加计算情绪工具和定性看法的方法来提出的。这些发现的直觉可以更好地了解用户体验，并对当前的发展和DeepSeek的实际可用性产生了深远的影响。功能专业与用户期望之间的关系将AI平台的竞争力与DeepSeek（视为强大的，免费的分析工具）相同，同时发出可能的战略增强领域。
了解用户对DeepSeek的看法
主要关键词
相关文件推荐
