21世纪以来,随着信息技术的更新与发展,电子商务平台得以迅速崛起。以天猫、京东、亚马逊为首的大型电子商务平台为其平台上的产品和服务设置了评论模块,这让消费者能够分享他们真实的购买体验或者从在线评论中获取产品或服务相关的内容。但是,在线评论体量巨大,人们很难在短时间内浏览所有评论并提取重要信息来选出心仪的产品。因此,基于在线评论的商品排序的研究已成为管理决策领域的热点。然而,现有的基于在线评论的商品排序研究多集中在运用有向图理论对在线商品进行排序,并没有涉及在线评论信息的情感强度,会导致信息损失。此外,现有研究中对在线评论信息的研究是基于商品整体而言,很少有考虑商品的属性特征信息,不能基于选定的商品属性对其排序。另外,有学者尝试用TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）等决策模型对商品进行排序,可是这类模型基于决策者是完全理性的假设,并没有考虑决策者在决策过程的心理因素的影响。近年来,越来越多的学者把注意力放在TODIM（an acronym in Portuguese of interactive and multi-criteria decision making）模型上,该模型通过比较两两方案构建优势度函数,并在此过程中考虑决策者的损失厌恶,使得方案的排序结果更符合常理。但是现有的TODIM模型仅能用来处理三种属性关联关系（冗余关联、彼此独立和互补关联）中的其中一种。基于上述研究的不足,本文以TODIM模型为基础展开基于在线评论信息的商品排序研究。本研究一方面从量化商品特征情感的角度出发,分别建立了基于在线评论的直觉模糊情感量化模型和犹豫模糊情感量化模型;另一方面,基于经典的TODIM多属性决策方法,本研究提出了基于2可加Choquet模糊积分的直觉模糊TODIM模型和犹豫模糊TODIM模型,利用属性间交互系数不同取值范围表示两两属性间不同的属性关联情况,从而使其能够同时处理属性间的多种交互关系,应用于更复杂的商品排序问题。本文的研究内容和创新成果如下:（1）建立了模糊环境下的商品特征情感量化模型。考虑到消费者对商品特征的情感是有不同强度的,精确数难以刻画决策者的主观判断信息,本论文提出了模糊环境下的商品特征情感量化模型,用以量化评论语句中消费者对产品特征的情感强度。基于从在线评论句中提取的<特征词,情感词,情感修饰词>集合,该模型可以计算特征词的情感强度。实例分析结果表明,本文构建的模糊环境下的商品特征情感量化模型可以有效地刻画消费者的特征情感强度信息,能为商品排序模型提供有效的数据支持。（2）分别提出了改进的直觉模糊得分函数和犹豫模糊得分函数。首先,本文研究现有文献中关于直觉模糊得分函数的不足之处,在此基础上,结合犹豫度的分配和投票模型的思想,本文提出了改进的直觉模糊得分函数,另外为了更好对直觉模糊数进行排序,本文进一步提出了直觉模糊精确函数,在此基础上确定了直觉模糊数的排序规则,并用算例的数值实验证明所提出的直觉模糊得分函数的有效性。其次,本文针对现有犹豫模糊得分函数的不合理之处,考虑犹豫模糊数中元素的补集以及犹豫模糊数计算步骤的简便性,本文提出了改进的犹豫模糊得分函数,在此基础上定义了犹豫模糊数的排序规则。该犹豫模糊得分函数在简化了计算步骤的同时提升犹豫模糊数的排序准确性,本研究通过算例证明其有效性。（3）分别构建了基于2可加Choquet模糊积分的直觉模糊TODIM模型和犹豫模糊TODIM模型。考虑到现有TODIM决策模型的研究并不能很好的处理属性中冗余关联、彼此独立和互补关联的关系,本研究结合2可加模糊测度、Choquet积分,分别提出了基于2可加Choquet模糊积分的直觉模糊TODIM模型和犹豫模糊TODIM模型,该模型通过属性交互系数表示属性间不同的交互关系,可以有效的处理不确定环境下的属性关联决策问题。本研究通过参数的敏感性分析表明决策者的风险承受能力是对排序结果有影响的,有一定的现实意义。最后,通过对天猫平台手机产品进行排序,研究结果表明,本文提出的基于2可加Choquet模糊积分的直觉模糊TODIM模型和犹豫模糊TODIM模型可以有效的对在线商品进行排序,具有较强的可适用性。