基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究.PDFVIP

第６０卷 第１３期　２０１６年７月 基于模糊 ＴＯＰＳＩＳ分析的在线评论有用性排序 过滤模型研究 　　　———以亚马逊手机评论为例 １，２ １ １ １，２ ■ 张艳丰 　李贺 　翟倩 　彭丽徽 １ ２ 吉林大学管理学院　长春 １３００２２　 长沙师范学院图书馆　长沙４１０１００ 摘要：［目的／意义］针对中文网络客户评论，提出一种在线评论有用性排序模型，辅助消费者做出购买决 策。［方法／过程］从在线评论的形式特征和内容特征两个方面，提取影响在线评论有用性的７个指标属性进行 量化计算，采用模糊层次分析法进行指标赋权，结合并改进ＴＯＰＳＩＳ分析法进行在线评论有用性计算和排序，构 建在线评论有用性指标体系和排序模型。［结果／结论］通过比较分析，发现本文模型获得的评论有用性排序具 有更好的信度与效度，为中文网络客户评论提供一种兼顾评论客观信息和语义特性的有用性排序方法。 关键词：在线评论　文本挖掘　模糊ＴＯＰＳＩＳ分析法　排序 分类号：Ｇ２５３　Ｇ２０２ 　　ＤＯＩ：１０．１３２６６／ｊ．ｉｓｓｎ．０２５２－３１１６．２０１６．１３．０１４ １　引言 费者购买决策起较大作用的有用评论很难在第一时间 展现给消费者，加之大量虚假信息和垃圾信息造成的 　　网络时代的到来，使网上海量评论文本呈指数级 干扰，使排序结果造成不同程度的失真，导致网站评论 态势增长。在线评论信息是消费者对所购产品或服务 排序失去其原有价值。网站评论排序的有用性降低会 的真实使用评价，对众多潜在消费者具有巨大的参考 减弱消费者对评论的依赖程度，使消费者失去重要的 价值。诸多消费者在做出网购决策前都会上网浏览、 参考标准，降低在线评论的参考价值，误导性评论还会 查询、对比其他网友对该产品的评论信息，并且认为用 引发网购信誉危机，从而影响网购市场的健康发展。 ［１］ 户的在线评论比专家评价更具有参考价值 。然而大 因此需要综合考虑消费者评论内容有用性指标属性， 数据时代，纷繁冗杂的评论信息容易使消费者进行购 对在线评论信息进行综合有用性排序，辅助消费者做 买决策时发生有用性信息迷航，对在线评论进行有用 出有效的购买决策。 性排序，将质量高、有用性强的评论文本经过有效过滤 　　基于此，本文综合前人的研究成果，解析在线评论 后呈献给消费者，既能为其他用户的购买决策提供有 有用性的多重属性，挖掘评论文本信息并进行数据处 价值的参考，也能为电子商务经营者提供巨大的商业 理，对在线评论有用性指标进行属性量化，以模糊层次 价值。因此，科学、有效地从海量在线评论中快速提取 分析法确定属性权重，结合ＴＯＰＳＩＳ（ｔｅｃｈｎｉｑｕｅｆｏｒｏｒｄｅｒ 有利于消费者决策的有用性高的评论信息是本研究的 ｐｒｅｆｅｒｅｎｃｅｂｙｓｉｍｉｌａｒｉｔｙｔｏｉｄｅａｌｓｏｌｕｔｉｏｎ）多指标综合评 实际意义所在。 价方法，构建模糊ＴＯＰＳＩＳ评论有用性排序模型，筛选 　　当前主流的电子商务网站（淘宝、京东、亚马逊 出有用性高的的评论信息并对在线评论进行重新排 等）一般是将“有用性投票”和“评论时间”两个属性维 序，有利于引导消费者做出理性购物选择，同时也为电 度作为在线评论的排序指标，但仅仅以某一属性作为 子商务网站提供全面而有效的有用评论的甄别和排序 有用性排序指标来展现内容具有一定的片面性，对消 方法。 本文系国家科技支撑计划子课题“专利信息为科研项目管理提供服务的模型方法”（项目编号：２０１３ＢＡＨ２１Ｂ０５）研究成果之一。 作者简介：张艳