基于BP神经网络的在线评论效用影响因素研究.docVIP

基于BP神经网络的在线评论效用影响因素研究 赵丽娜1,2，韩冬梅1 （1. 上海财经大学信息管理与工程学院，上海200433；2. 上海金融学院信息管理学院，上海201209；） 摘要: 依据信息采纳模型，从评论内容特征和评论者特征两方面考察影响在线评论效用的主要因素，构建了一个应用BP神经网络预测在线评论效用影响因素的模型UPBP。以亚马逊网站上商品的中文评论数据对模型进行实证分析，结果表明，评论深度、评论者可信度、评论者等级和评论情感倾向等因素对在线评论的效用影响较强。通过实验对UPBP和已往研究常用的回归模型的预测准确度进行了比较，实验结果验证UPBP的预测准确度高于传统回归模型。本研究为电商企业管理在线评论提供了启示。 关键字：神经网络；在线评论；效用 中图分类号：T393 文献标识码：A 国家自然科学基金项目 Research on Impact Factors of Online Reviews Utility Based on BP Neural Network Li-na ZHAO 1,2, Dong-mei HAN 1 School of Information Management and Engineering, Shanghai University of Finance and Economics, Shanghai 200433, China; School of Information Management, Shanghai Finance University, Shanghai 201209, China ) Abstract: This paper studied the impact factors of online reviews utility from the characteristics of review and reviewer according to the information adoption model, and proposed the UPBP model which is a utility prediction model using a neural network. An empirical analysis of online reviews from indicated that review depth, reviewer reliability, reviewer degree and extreme ratings had an intense effect on the utility of the review. A comparison test of prediction accuracy between UPBP and regression model indicated that the prediction accuracy of UPBP was better than the regression model. Keywords: Neural Network，Online Reviews，Utility 1 引言 随着互联网的迅速发展，人们的消费模式发生了重大变化。中国互联网络信息中心（CNNIC）发布了关于中国网络购物市场研究报告中指出[1]，截至2012年12月底，我国网络购物用户规模为2.42亿，网民使用网络购物的比例提升至42.9%。同时，报告显示无论用户在线购买熟悉产品还是不熟悉的产品，在线评论对消费者制定购买决策的影响最大。 在线评论是指用户发表在公司或第三方网站上的关于商品的评价[2]。很多电商网站允许用户在购买商品后发布关于该商品的评论，以供其他消费者参考，但是在线评论的数量巨大且质量参差不齐，消费者很难快速的发现效用高的评论，进而辅助制定购买决策。因此，识别在线评论中哪些因素能影响评论的效用并对消费者决策起到辅助作用具有重要的意义。 学术界对在线评论的效用影响因素已有很多研究，研究方法基本是先提出假设然后建立回归模型进行分析和验证[2, 4-6]。然而，以往研究模型的拟合度都不是很高[6]，而且很少有用神经网络来预测在线评论效用的影响因素。神经网络是数据驱动的自适应方法，不需要像传统回归模型一样需要事先设定假设，并且神经网络比回归模型能更好的处理数据之间的非线性关系。因此，本文构建了一个应用BP神经网络进行预测在线评论效用影响因素的模型UPBP(a utility prediction model using a back propagation neural network)，此模型能够精确地预测出影响在线评论效用的因素，并且利用均方误差（MSE）对UPBP和回归模型的预