现阶段缺少科学的方法对电商产品质量风险进行评估,导致电商产品质量问题日益严重。针对这一现状,本文以质量风险评估为目的,RPN指数为评估依据,Hadoop为主要数据处理平台,通过分词、特征提取、观点挖掘、情感分析等步骤从用户评论数据中挖掘计算RPN所需要的严重度S、发生度O、情感度E三个指标,结合数理统计、聚类分析、指标树等方法构建了电商产品质量风险评估三级模型,实现了电商产品质量风险评估系统。主要研究内容如下:(1)分布式序列标注。本文深入研究CRF模型进行序列标注的数据处理流程,将整个过程分为计算词频、独立状态概率、状态转移概率、上下文关系概率以及联合状态概率五个特征,再通过Viterbi算法求解最优标注路径。各阶段通过MapReduce编程,运行在Hadoop集群实现分布式功能,包括分词和特征提取。以分词为例对算法的准确性和效率提升两方面进行了验证。(2)将传统产品质量风险评估方法应用到电子商务领域。针对用户评论基数大、评论形式多样的特点,本文提出以情感度E代替检出度D计算RPN指数,且只使用情感倾向判别为负的评论观点进行质量风险评估。(3)建立产品质量风险评估三级模型。以现有手机参数体系为原型,通过词语相似度计算将特征词聚类,人工调整后构建了手机质量风险评估指标树,包含三级指标43个,二级指标8个,一级指标1个。在指标树的基础上以RPN指数为目标建模,构建了质量风险评估三级模型。(4)实验分析。以京东平台上关于XX型号手机的用户评论为例,通过实验的方式对系统的各个模块进行了验证,对模型的应用场景做了说明。