基于评论挖掘在线短租市场产品排序研究蔡丹丹王斌---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除------本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除------本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---摘要：结合在线短租市场固有的特点，分析信息质量对于消费者信息采纳和决策行为的作用机制。在研究方法上，选择了多属性决策模型对目标商品进行排序，确定产品总效用、产品特征-情感和权重，利用TOPSIS算法，对目标商品进行排序。结合在线短租市场特点基础上，对大量在线评论数据进行处理，多维度考虑评论信息对产品排序的影响。关键词：在线短租;信息采纳模型;评论挖掘;TOPSIS算法：F27：Adoi：10.19311/j.cnki.1672-3198.2019.15.0321问题描述本文主要考虑评论信息对电子商务网站产品排序影响。设目标产品集为X={X1，X2，…，Xm}，目标产品的在线评论集合为Ei={e1i，e2i，…，eQii}，Qi表示产品i的评论数量，i=1，2，…，m;q=1，2，…，Qi。用C={C1，C2，…，Cn}表示评论中涉及的产品属性的集合;U（eqi）表示评论eqi的总效用;用ω表示产品属性的权重向量，可以用向量表示为ω=（ω1，ω2，…，ωn）T，则ωj≥0且∑nj=1ωj=1。本文需要解决的问题是，通过现在的在线评论信息Ei，抽取出产品的属性，即集合C，以及每个产品属性所代表的权重ω，并通过这些信息，对目标产品进行排序。2模型构建本文结合在线短租市场在线评论的特点，结合消费者购买决策五阶段模型和信息采纳模型，构建模型。在模型构建中，简化了共识性因素对产品排序的影响，将研究重点放在中心路径上，研究在线评论信息的质量对于产品排序的影响，模型思路框架见图1。3在线评论效用3.1评论长度---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---本文将评论长度具体量化为评论中所包含的字符数量。通常来说，评论文本越长，则其中包含的内容也就越丰富，涉及的维度也就越多，其中包含的有用信息也越多，代表越强的可信度。因此，较长的评论文本可以一定程度上增加阅读者的感知有用性，降低购买的不确定性。num=count（word）（1）u1eqi=ln（num+1）ln（num*+1）（2）其中，word代表评论中所包含的文字数量，num*代表在线评论中长度最长的评论的文字数，可表示为num*=max（num），且0≤u1（eqi））≤1。3.2评论时效性评论时效性指评论消息发布与被阅读两者之间的时间差。差值越小，意味着评论越新，即评论的时效性越强。虽然不同市场的表现规律不同，但是不同维度的异质性稳定性随着时间的推移而降低。u2（eqi）=exp（Tqi-TnowTnow-T*i）（3）其中，Tqi表示消费者发表评论的时间，Tnow表示消费者进行产品选择的时间，即产品评论被阅读的时间，T*i表示该产品评论中，最早发表的时间，也就是说，T*i=min{Tqi}，特别地，当Tqi=T*i时，u2（eqi）=0.37，可见，0.37≤u2（eqi））≤1。3.3图片评论数评论信息中，除了包含文字信息外，还会包含图片信息，且图片信息是对文字信息的内容补充。根据大量文献研究表明，图片评论数对在线评论有用性有正向影响。另外来说，图片信息由于其包含的内容更加直观、真实，有助于帮助消费者对产品本身有更好的了解。因此，图片评论信息可以加强阅读者的感知有用性。u3eqi=exp（N-N*N*）（4）---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---其中，N代表评论中包含的图片数量，N*=max（N），代表在线评论中最多的圖片数量。特别地，当N=0时，u3（eqi）=0.37，可见，0.37≤u3（eqi））≤1。4产品特征-情感配对4.1产品特征抽取商品特征是评论信息的重要组成部分之一，同时也是消费者关注的具体内容。对于一件有形的商品来说，它的特征可以是商品外观、质量、服务态度等各个方面，消费者对一个产品的喜好，归根到底是对产品的各项特征的喜好。产品特征就是指产品所包含的各类属性，包括它的包装、功能、质量、外形、服务等，这些都是吸引消费者做出选择的关键性因素。因此，我们对产品的在线评论进行分析，就是探究在线评论中包含哪些吸引消费者的特征。本...