随着服务经济的不断发展,服务质量成为服务行业的核心竞争力,服务质量评价研究受到越来越多关注。传统的服务质量评价方法在数据获取和数据处理过程中耗时过长、智能化程度低、数据规模和广度无法得到有效保证。随着电子商务和网络经济的不断发展,在线评论数据快速增长,数据范围不断扩展,在自然语言处理技术和网络爬虫技术的推动下,非结构化的在线评论数据成为解决传统服务质量评价问题的突破口。本研究立足于服务质量评价的不足,在管理学方法的基础之上引入自然语言处理技术,打破传统的过度依赖人力进行服务质量评价的思路,提出一个以在线评论数据为数据源的集自动数据采集、智能数据处理、实时数据分析为一体的服务质量评价模型架构。模型主要分成文本数据准备、细粒度情感分析和模糊云评价3个模块。文本数据准备模块是模型的数据支撑,负责从外部网站抓取评论数据并进行分词分句等文本预处理操作,形成标准的细粒度情感分析输入数据。细粒度情感分析模块是服务质量评价的数据转换中心,主要负责两部分工作,首先是利用标注数据集预先训练基于某个领域的细粒度情感分析模型,其次是利用预先训练好的模型将非结构化的在线评论数据转化为结构化的情感标签数据。模糊云评价模块是服务质量评价的核心模块,采用了基于云模型的模糊综合评价方法,使用云模型替代隶属度函数,将情感标签数据和权重数据进行模糊合成,得出由云模型的三个数字特征构成的服务质量评价结果,其中“期望”代表了评价的分值,“熵”代表了顾客评价的稳定性,“超熵”代表了顾客评价的随机性。细粒度情感分析模块是研究中实现智能数据处理的核心模块,也是本研究区别于传统服务质量评价方法的重要模块。细粒度情感分析模块的核心是利用标注好的数据集构造细粒度情感分析模型,研究中以fastText模型为基础模型,混合使用多个NGram特征,并加入通过依存句法分析技术得到的紧密关联词语构成的词组特征(简称DP特征),提高模型的分类效果。针对原始数据集数据不平衡问题,研究中提出了一种基于种子句的少数类构造方法(Minor Class on Seed Sentence,简称MCSS),MCSS算法通过增加少数类样本的数目达到平衡数据集的作用。实验结果证明MCSS算法和DP特征都能提高fastText细粒度情感分析模型的效果。最后,研究将提出的“基于DP-FastText的服务质量模糊云评价模型”用于餐饮数据集进行实证分析。实证分析中首先利用层次分析法构造初始权重集合,接着利用预先训练好的DP-FastText模型预测实证数据的情感标签,再利用云模型求出权重集合和单因素评价的云模型数字特征矩阵,最后通过合成算子进行模糊合成。通过对比分析实证模型结果与美团、点评的评分结果,证明了研究中提出的模型用于实际服务质量评价任务中的可行性和优越性。