论文部分内容阅读
摘 要:本文针对在线评论建立了层次分析模型,该模型的目标是过滤有用的评论和提取产品的本质方面。此外,我们还根据所提供的数据,对未来情况的分布情况进行了说明。首先,我们分析了影响商品评论有用性的六个指标,并将它们量化为数学模型。每个因素都会影响不同程度的评论的有用性。在分析评论的有用性的基础上,我们着重研究了星级评价和评论文本的影响。星级评价可以直接反映消费者满意度,但评论是复杂的理解。
关键词:有用性评价体系;层次分析法;星级评价
1. 引言
随着互联网的发展,网上市场越来越活跃。去年,世界28个主要国家和地区的电子商务交易规模达到2471亿多,网上零售交易的总价值约有30亿[1]。具有强大的中央处理器(CPU)的分布式服务器已经得到广泛的普及,因此任何组织处理大量数据都是微不足道的[2]。目前,传统营销主要通过评论和回购率获得上述因素,这是一种简便易行的商业模式。它与传统营销相结合,为企业获得顾客反馈提供了新的途径[3]。
2.有用性评估模型
2.1 评价指标体系
评价指标体系是评价评审的标准指标,要求指标具有逻辑性、功能性和目标特定性。该系统包括两个层次:目标和标准模型,问题作为一个层次。我们的目标是独特的,但约束是复杂的和抽象的,所以首先我们应该量化它们。
由于评论提供了五星评级,许多客户可能会选择极端评级来显示他们对产品的态度,如一星评级或五星评级,而他们给出中等评级来显示他们的冷漠,如三星评级。对于浏览评论的人来说,他们可能会把更多的重点放在极端星级上,然后做出购买决定。事实上,根据亚马逊网上书评的研究,福尔曼等人(福尔曼、戈塞、韦森菲尔德,2008)已经证实,与极端评级(一星/五星)相比,无足轻重的评级(大约三星)没有多大帮助。换句话说,片面的评论(仅指正面或负面)被认为比适度的评论更有帮助,适度的评论既报告正面又报告负面。在这个系统中,我们根据它们对决策树中它们上面的元素的影响给出一个数字权重。
在在线销售平台上,其他客户可以提交自己的有用或无用的分数作为评论。一个评论得到的票数越有多,说明它得到的关注越多,从而对其他人购买决策的影响就越大。因此,为了判断评论的重要性,我们需要处理它获得的选票数据。传统上,研究者将计算有效记录与总记录的比例,以表示评论文本的有用性。然而,他们忽略了个人评论和其他评论之间的交集。因此,本文引入贝叶斯平均来修正旧的有用记录模型。
根据统计理论,在主观预测任务中,当每个样本是依赖的且没有任何系统偏差时,预测结果的准确度与样本大小成正比。因此,基于小样本的主观预测更有可能偏离真值。为了最小化偏差,我们使用以前的信息进行贝叶斯修正的预测。原始信息的得分来自所有主观预测分数的平均值,并且校正权重由样本大小决定。在设定样本基本尺寸后,当一个样本量小于基本值时,观测值的权重低于先前的信息的权重。如果大于基本值,则权重较高,公式如下:
其中是修正的贝叶斯平均值,n是主观的样本量预测,是所有样本的和,m是先验平均值,C是可信大小的基本大小。
然而,在给定的数据中,许多评论文本只收到一票,所以评论有用性和长尾效应的总票数差异是明显的。因此,贝叶斯平均修正后的投票率可以更准确地显示每个评论的相对有用性。假设每一投票都是主观预测,消费者的每一次有效投票都是一个样本,其值是0(否)或1(是)。每个评论的有用性的投票率是主观预测得分。换句话说,评论文本所获得的选票越多,其有用率的分值越接近真实价值。先前平均值是所有评论的有用投票和总投票的比率。贝叶斯有用率是该评论的有用投票与总数据集之间的加权平均值。
在分析了以上各因素对决策的影响后,建立了一个完整的商品有用性评价体系。该系统主要从三个方面看审稿文本的有用性:平台审稿人和文本本身。从平台的角度来看,它意味着判断用户是否已经成功从网站购买了产品(1为YES,0为否)。然后考虑评论员的专业性质,也就是说,他是否是藤蔓计划的参与者(1是赞成的,0是否定的)。最重要的是从自身的四个指标来分析文本的有用性。
2.2 用层次分析法确定权重
层次分析法将定性分析与定量分析相结合,将决策者的思维过程系统化、数学化、模型化,从而分析本质的问题和相关因素,所以层次分析法被广泛应用于評价体系的构建。
2.3 指数权重的计算
2.3.1 一致性验证
该矩阵应满足非负向性、自反性、互惠性和一致性的要求,因此应进行基本的一致性评估。
1)一致性指数:
2)计算一致性比率:
当CR<0.1时,矩阵是完美的。
2.3.2 结论分析
不同元素的权重如下:
根据以上结果,最终的评价模型是:
其中每个元素的系数显示了在评估评论的有用性时指标的重要性。
参考文献:
[1]陈雪晶,程锐.在线评论的评论有用性判定[J].电脑知识与技术,2019,15(26):266-268.
[2]李昂,赵志杰.在线评论有用性研究综述[J].商业经济研究,2019(06):77-80.
[3]邹镒励. 购物网站在线评论有用性影响因素研究[D].云南大学,2019.
关键词:有用性评价体系;层次分析法;星级评价
1. 引言
随着互联网的发展,网上市场越来越活跃。去年,世界28个主要国家和地区的电子商务交易规模达到2471亿多,网上零售交易的总价值约有30亿[1]。具有强大的中央处理器(CPU)的分布式服务器已经得到广泛的普及,因此任何组织处理大量数据都是微不足道的[2]。目前,传统营销主要通过评论和回购率获得上述因素,这是一种简便易行的商业模式。它与传统营销相结合,为企业获得顾客反馈提供了新的途径[3]。
2.有用性评估模型
2.1 评价指标体系
评价指标体系是评价评审的标准指标,要求指标具有逻辑性、功能性和目标特定性。该系统包括两个层次:目标和标准模型,问题作为一个层次。我们的目标是独特的,但约束是复杂的和抽象的,所以首先我们应该量化它们。
由于评论提供了五星评级,许多客户可能会选择极端评级来显示他们对产品的态度,如一星评级或五星评级,而他们给出中等评级来显示他们的冷漠,如三星评级。对于浏览评论的人来说,他们可能会把更多的重点放在极端星级上,然后做出购买决定。事实上,根据亚马逊网上书评的研究,福尔曼等人(福尔曼、戈塞、韦森菲尔德,2008)已经证实,与极端评级(一星/五星)相比,无足轻重的评级(大约三星)没有多大帮助。换句话说,片面的评论(仅指正面或负面)被认为比适度的评论更有帮助,适度的评论既报告正面又报告负面。在这个系统中,我们根据它们对决策树中它们上面的元素的影响给出一个数字权重。
在在线销售平台上,其他客户可以提交自己的有用或无用的分数作为评论。一个评论得到的票数越有多,说明它得到的关注越多,从而对其他人购买决策的影响就越大。因此,为了判断评论的重要性,我们需要处理它获得的选票数据。传统上,研究者将计算有效记录与总记录的比例,以表示评论文本的有用性。然而,他们忽略了个人评论和其他评论之间的交集。因此,本文引入贝叶斯平均来修正旧的有用记录模型。
根据统计理论,在主观预测任务中,当每个样本是依赖的且没有任何系统偏差时,预测结果的准确度与样本大小成正比。因此,基于小样本的主观预测更有可能偏离真值。为了最小化偏差,我们使用以前的信息进行贝叶斯修正的预测。原始信息的得分来自所有主观预测分数的平均值,并且校正权重由样本大小决定。在设定样本基本尺寸后,当一个样本量小于基本值时,观测值的权重低于先前的信息的权重。如果大于基本值,则权重较高,公式如下:
其中是修正的贝叶斯平均值,n是主观的样本量预测,是所有样本的和,m是先验平均值,C是可信大小的基本大小。
然而,在给定的数据中,许多评论文本只收到一票,所以评论有用性和长尾效应的总票数差异是明显的。因此,贝叶斯平均修正后的投票率可以更准确地显示每个评论的相对有用性。假设每一投票都是主观预测,消费者的每一次有效投票都是一个样本,其值是0(否)或1(是)。每个评论的有用性的投票率是主观预测得分。换句话说,评论文本所获得的选票越多,其有用率的分值越接近真实价值。先前平均值是所有评论的有用投票和总投票的比率。贝叶斯有用率是该评论的有用投票与总数据集之间的加权平均值。
在分析了以上各因素对决策的影响后,建立了一个完整的商品有用性评价体系。该系统主要从三个方面看审稿文本的有用性:平台审稿人和文本本身。从平台的角度来看,它意味着判断用户是否已经成功从网站购买了产品(1为YES,0为否)。然后考虑评论员的专业性质,也就是说,他是否是藤蔓计划的参与者(1是赞成的,0是否定的)。最重要的是从自身的四个指标来分析文本的有用性。
2.2 用层次分析法确定权重
层次分析法将定性分析与定量分析相结合,将决策者的思维过程系统化、数学化、模型化,从而分析本质的问题和相关因素,所以层次分析法被广泛应用于評价体系的构建。
2.3 指数权重的计算
2.3.1 一致性验证
该矩阵应满足非负向性、自反性、互惠性和一致性的要求,因此应进行基本的一致性评估。
1)一致性指数:
2)计算一致性比率:
当CR<0.1时,矩阵是完美的。
2.3.2 结论分析
不同元素的权重如下:
根据以上结果,最终的评价模型是:
其中每个元素的系数显示了在评估评论的有用性时指标的重要性。
参考文献:
[1]陈雪晶,程锐.在线评论的评论有用性判定[J].电脑知识与技术,2019,15(26):266-268.
[2]李昂,赵志杰.在线评论有用性研究综述[J].商业经济研究,2019(06):77-80.
[3]邹镒励. 购物网站在线评论有用性影响因素研究[D].云南大学,2019.