基于数值型在线评价信息的商品排序研究

发布时间：2020-03-19 17:14

【摘要】：本文以数值型在线评价信息为研究对象,考虑属性权重未知和属性关联度的情形,并考虑决策者的心理行为,提出基于数值型在线评价信息的商品排序研究。考虑属性权重未知和属性关联度的情形,运用结构方程模型对理论假说进行验证,根据属性的影响效应占比大小确定属性及其权重。在此基础上,考虑决策者的心理行为,提出两种商品排序方法。一种是依据前景理论的商品排序方法。首先,考虑决策者对于不同属性的期望值,将属性期望值作为参考点,计算价值函数;然后,计算概率权重函数;最后,计算前景价值,并根据综合前景值对所有商品进行排序。另一种是依据前景随机占优准则的商品排序方法。首先,根据决策者的参考点,将决策矩阵转化为损益矩阵,并计算损益矩阵的概率分布;然后,基于前景随机占优准则,构建前景随机占优矩阵;最后,运用PROMETHEE-Ⅱ方法对所有商品进行排序。实例结果表明:两种方法均能解决基于数值型在线评价信息的商品排序问题,这验证了前景理论和前景随机占优准则在解决商品排序问题的可行性。
【图文】：

汽车,购车,消费者

① 数据可信度首先，相比其他常用的生活产品，如手机、电脑、服饰等，汽车的价格较高，消费者针对汽车的在线评价信息可能会更为谨慎，评价结果相对来说比较真实；其次，消费者通常是在具备一定驾驶能力的情况下才选择买汽车，消费者群体差异性较小，，消费者对于汽车使用的体验感知较为准确。综上，汽车的评价数据可信度高② 数据便于获取针对汽车的在线评价数据可以在相关电商网站查看并采集，以全球访问量最大的汽车网站——汽车之家为例。汽车之家主页提供了地域/品牌/车系分类，包含热门车、豪华车、小型/其他、商用车、推荐车、二手车等关键词可供选择。每款车都提供了车系首页、参数配置、图片实拍、报价、口碑、车型详解、文章、视频、保养等。其中，车系首页提供了用户评分和在线评价。每条在线评价信息包含：用户名购买车型、购买地点、购车经销商、购买时间、空间、动力、操控、油耗、舒适性外观、内饰、性价比、购车目的等。综上，汽车的数据便于获取。图 4.1 和图 4.2 分别展示了汽车之家的主页和用户的在线评价信息样例。

文本,属性,汽车,数值型

图 4.2 用户在线评价信息样例由图 4.2 可知，针对汽车的在线评价信息包含了文本型评价信息（如、属性评价的具体化描述、用户名、车型信息、购买地点、购买目的等）和数值型评价信息（属性的评价值、购买价、目前行驶里程等）。（2）采集数据确定考虑到本文的研究对象是数值型在线评价信息，而汽车的数值型评价信息中的购买时间、购买价格、行驶距离等与本文研究目的联系不大，因此，本文选取的汽车的数值型在线评价信息目前只采集属性相关的评价信息，即空间、动力、操控、油耗、舒适性、外观、内饰、性价比等 8 个关于汽车评价的属性及其对应的评价数据。假如某消费者想选购一款汽车，其给出的汽车理想价格区间为 15~25 万元，其拟定的四款汽车分别为：长安马自达（1A ）、广汽丰田凯美瑞（2A ）、上汽通用雪佛兰（3A ）、一汽大众速腾（4A ）。现用八爪鱼采集器从汽车之家网站上抓取 4 款备选汽车（、、和）的 8 个汽车属性的数值型在线评价信息。抓取的结
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F724.6;F274

【相似文献】