论文部分内容阅读
伴随着电子商务的迅猛发展,也出现许多损害消费者权益的问题,造成了较大损失,引起了政府、企业和个人的重视。在网购活动中,多对比和看评论是消费者往往会采用的手段,目的是发现潜在的风险,做出最优选择,提高网购满意度。以此为出发点,本文结合大数据技术,分析电商平台积累的大量数据,提出网购风险评估方法,开发网购风险等级评估系统。本文主要研究内容有:(1)评论的情感分析。本文提出了基于情感观点词词典和CRF模型结合的评论情感分析方法。利用CRF模型对处理后的评论进行情感观点词的提取,并通过人工筛选,扩展已有的情感词典,并标记情感观点词的强烈程度。建立评论得分计算模型,并验证了有效性。(2)商品数据的聚类。根据对电商数据的分析,利用均分中位数法给K-means算法设定了四个基点,并采用类内中值重置中心点,降低了离群点的影响,达到了更好的聚类效果。(3)网购风险等级评估模型建立。分析了指标重要性差异,重点解决了加权贝叶斯算法中先验概率差异对结果的影响,提出了新的加权方式,并对比验证了基于改进加权贝叶斯的网购风险评估方法具有更高的评估准确率。(4)网购风险等级评估系统开发。基于本文研究成果开发了网购风险等级评估应用系统,为消费者了解网购商品的风险情况提供参考。本文从电商平台挖掘有用信息,通过数据分析,向消费者给出了商品网购风险等级,既节约了比货时间,又提高了评估的全面性,以此避免购买较高风险的商品,从而通过抑制销量,打击不良商家,改善网购环境。