论文部分内容阅读
商品的用户评论蕴含了丰富的用户情感信息,是消费者购物的重要参考依据。然而,随着电子商务的蓬勃发展,电子商务平台层出不穷,商品种类和数量飞速增长,用户评论信息也随之呈现爆炸式增长,这为消费者提供更丰富更全面服务的同时,也给消费者带来了困扰,即消费者很难对比分析出多个电子商务网站上同一商品的质量、物流、服务等某一方面的优劣或整体优劣,从而做出正确的购物决策。因此,如何高效准确地为互联网商品进行综合评分,以帮助消费者对比各电商平台上商品的优劣,从而做出正确的购物决策,是当前电子商务领域急需解决的问题。为解决这个问题,本文设计了 一种基于用户评论的互联网商品综合评分方案。本文的主要工作包括以下三部分,一是分析现有评论情感倾向值计算方法的缺点,提出了一种用户评论评分方法,该方法通过综合应用N-Gram模型、信息增益方法和logistic分类器,计算评论的情感倾向值,实现用户评论的评分;二是分析当前评论挖掘系统的缺点,提出了一种互联网商品综合评分方法,该方法通过提取商品的评价因素,计算评价因素的权重向量和商品关于各评价因素的评分,实现了互联网商品的综合评分;三是通过实验的方式,验证了评论评分方法具有较高的准确性和工作效率,表明了当误差系数为0.1时,商品二级评价因素的评分平均准确率达到90.31%。本文设计的基于用户评论的互联网商品综合评分方案,能够基于各电商平台公开的用户评论信息,准确地计算出互联网商品的多个评价因素的评分及满足用户个性化需求的综合评分,能够为消费者和销售者提供决策支持,具有广阔的应用前景。