基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究——以亚马逊手机评论为例

doi:10.13266/j.issn.0252-3116.2016.13.014

图书情报工作 ›› 2016, Vol. 60 ›› Issue (13): 109-117,125.DOI: 10.13266/j.issn.0252-3116.2016.13.014

基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究——以亚马逊手机评论为例

张艳丰^1,2, 李贺¹, 翟倩¹, 彭丽徽^1,2

1. 吉林大学管理学院长春 130022;
2. 长沙师范学院图书馆长沙 410100

收稿日期:2016-05-03 修回日期:2016-06-24 出版日期:2016-07-05 发布日期:2016-07-05
作者简介:张艳丰(ORCID:0000-0001-9374-2449),博士研究生,E-mail:zyfzzia@163.com;李贺(ORCID:0000-0001-8847-3619),教授,博士生导师;翟倩(ORCID:0000-0003-2248-1485),硕士研究生;彭丽徽(ORCID:0000-0003-3245-3904),博士研究生
基金资助:
本文系国家科技支撑计划子课题“专利信息为科研项目管理提供服务的模型方法”（项目编号：2013BAH21B05）研究成果之一。

Research on the Usefulness of Online Review Based on Fuzzy TOPSIS Analysis: A Case Study of Amazon's Mobile Phone Review

Zhang Yanfeng^1,2, Li He¹, Zhai Qian¹, Peng Lihui^1,2

1. School of Management Jilin University, Changchun 130022;
2. Library of Changsha Normal University, Changsha 410100

Received:2016-05-03 Revised:2016-06-24 Online:2016-07-05 Published:2016-07-05

摘要/Abstract

摘要： [目的/意义] 针对中文网络客户评论，提出一种在线评论有用性排序模型，辅助消费者做出购买决策。[方法/过程] 从在线评论的形式特征和内容特征两个方面，提取影响在线评论有用性的7个指标属性进行量化计算，采用模糊层次分析法进行指标赋权，结合并改进TOPSIS分析法进行在线评论有用性计算和排序，构建在线评论有用性指标体系和排序模型。[结果/结论] 通过比较分析，发现本文模型获得的评论有用性排序具有更好的信度与效度，为中文网络客户评论提供一种兼顾评论客观信息和语义特性的有用性排序方法。

关键词: 在线评论, 文本挖掘, 模糊TOPSIS分析法, 排序

Abstract: [Purpose/significance] Aiming at the Chinese customer reviews on the Internet,the paper gives a review credibility ranking model,for auxiliary consumer decision making.[Method/process] From two aspects of the features of form and content on online reviews,extracts seven index attributes effecting the usefulness of online reviews and gives a quantitative calculation. Using the fuzzy analytic hierarchy process to determine the index weight,with the improved TOPSIS analysis method to construct the online reviews useful computation and sorting,online reviews credibility index system and ranking model is constructed.[Result/conclusion] Compared with the original review of the website,the review of the model is more scientific and reasonable, providing a kind of confidence ranking method for the Chinese Web customer reviews to provide a balanced review of the objective information and semantic features.

Key words: online review, text mining, fuzzy TOPSIS analysis method, ranking

中图分类号:

G253
G202

张艳丰, 李贺, 翟倩, 彭丽徽. 基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究——以亚马逊手机评论为例[J]. 图书情报工作, 2016, 60(13): 109-117,125.

Zhang Yanfeng, Li He, Zhai Qian, Peng Lihui. Research on the Usefulness of Online Review Based on Fuzzy TOPSIS Analysis: A Case Study of Amazon's Mobile Phone Review[J]. LIS, 2016, 60(13): 109-117,125.

参考文献

[1] CIC.洞察网络口碑白皮书系列[EB/OL].[2016-02-08].Http://www.Slideshare.Net/CIC_China_1601270.
[2] MUDAMBI S M,SCHUFF D.What makes a helpful online review? A study of customer reviews on amazon.com[J].MIS quarterly,2010,34(1):185-200.
[3] LIU Y,HUANG X J.Modeling and predicting the helpfulness of online reviews[C]//Proceedings of the 8th IEEE international conference on data mining.Pisa:IEEE,2008:443-452.
[4] CHIEN C,TSENG Y.Quality evaluation of product reviews using an information quality framework[J].Decision support systems,2011,50(4):755-768.
[5] 殷国鹏,刘雯雯,祝珊.网络社区在线评论有用性影响模型研究——基于信息采纳与社会网络视角[J].图书情报工作,2012,56(16):140-147.
[6] JINDAL N,LIU B.Opinion spam and analysis[C]//Proceedings of international conference on Web search and Web data mining.New York:ACM,2008:219-229.
[7] LAU R,LIAO S,XU K.An empirical study of online consumer review spam:a design science approach[C]//Proceedings of the 31st international conference on information systems.St.Louis:Accociation of Information Systems,2010.
[8] LIU J,CAO Y,LIN C,et al.Low-quality product review detection in opinion summarization[C]//Proceedings of the 2007 joint conference on empirical methods in natural language processing and computational natural language learning.Prague:Assaciation for Computational Linguistics,2007:334-342.
[9] 李霄,丁晟春.垃圾商品评论信息的识别研究[J].现代图书情报技术,2013(1):63-68.
[10] 游贵荣,吴为,钱沄涛.电子商务中垃圾评论检测的特征提取方法[J].现代图书情报技术,2014(10):93-100.
[11] 蔡晓珍,徐健,吴思竹.面向情感分析的用户评论过滤模型研究[J].现代图书情报技术,2014(4):58-64.
[12] 吕韶华,杨亮,林鸿飞.基于LDA模型的餐馆评论排序[J].计算机工程,2011(10):62-64,67.
[13] 黄婷婷,曾国荪,熊焕亮.基于商品特征关联度的购物客户评论可信排序方法[J].计算机应用,2014,34(8):2322-2327,2341.
[14] 王倩倩.一种在线商品评论信息可信度的排序方法[J].情报杂志,2015,34(3):181-185.
[15] 郭顺利,张向先,李中梅.面向用户信息需求的移动O2O在线评论有用性排序模型研究——以美团为例[J].图书情报工作,2015,59(12):85-93.
[16] CLEMONS E,GAO G,HITT L.When online reviews meet hyperdifferentiation:a study of the craft beer industry[J].Journal of management information systems,2006,23(2):149-171.
[17] ZHANG Z.Weighing stars:aggregating online product reviews for intelligent e-commerce applications[J].IEEE intelligent systems,2008,23(5):42-49.
[18] ZHANG K,CHENG Y,LIAO W,et al.Mining millions of reviews:a technique to rank products based on importance of reviews[C]//Proceedings of the 13th international conference on electronic commerce.New York:ACM,2011:1-8.
[19] 张吉军.模糊层次分析法(FAHP)[J].模糊系统与数学,2000,14(2):80-88.
[20] 司守奎,孙玺菁.数学建模算法与应用[M].北京:国防工业出版社,2011(8):346-351.
[21] 中国电子商务研究中心.2014年度中国电子商务市场数据检测报告[EB/OL].[2016-03-25].http://www.100ec.cn/zt/upload_data/20150408.pdf.
[22] GooSeeker.MetaSeeker[EB/OL].[2016-04-11].http://www.gooseeker.com/product.

基于模糊TOPSIS分析的在线评论有用性排序过滤模型研究——以亚马逊手机评论为例

Research on the Usefulness of Online Review Based on Fuzzy TOPSIS Analysis: A Case Study of Amazon's Mobile Phone Review

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	韦景竹, 操慧子, 张乐乐. 基于在线评论的公共文化云活动用户需求研究[J]. 图书情报工作, 2022, 66(9): 66-73.
[2]	翟运开, 张倩, 赵栋祥. 疫情防控常态化下患者双渠道就诊满意度影响因素研究[J]. 图书情报工作, 2022, 66(3): 118-129.
[3]	梁爽, 刘小平. 基于文本挖掘的科技文献主题演化研究进展[J]. 图书情报工作, 2022, 66(13): 138-149.
[4]	祝琳琳, 李贺, 李世钰, 刘嘉宇. 面向电子商务网站的在线评论信息质量感知机理研究[J]. 图书情报工作, 2021, 65(6): 32-40.
[5]	聂卉, 邱以菲. 融合用户兴趣及评论效用的评论信息推荐[J]. 图书情报工作, 2021, 65(10): 68-78.
[6]	常青, 杨武健. 在线教育产品评论与用户使用意愿的关系[J]. 图书情报工作, 2020, 64(19): 99-108.
[7]	易明, 张婷婷, 李梓. 多维特征下社会化问答社区答案排序研究[J]. 图书情报工作, 2020, 64(17): 103-113.
[8]	王雪, 武俊伟, 陈观群, 李燕琼, 马路. 阿尔茨海默病基因-疾病关联的知识挖掘[J]. 图书情报工作, 2020, 64(13): 120-132.
[9]	刘小玲, 谭宗颖. 新兴技术主题识别方法研究进展[J]. 图书情报工作, 2020, 64(11): 145-152.
[10]	吕璐成, 韩涛, 周健, 赵亚娟. 基于深度学习的中文专利自动分类方法研究[J]. 图书情报工作, 2020, 64(10): 75-85.
[11]	尹丽春, 王悦. 基于在线评论的图书消费者满意度影响因素与作用机理[J]. 图书情报工作, 2019, 63(22): 106-117.
[12]	国佳, 郭勇, 沈旺, 潘梦雅. 基于在线评论的网络社区信息可信度评价方法研究[J]. 图书情报工作, 2019, 63(17): 137-144.
[13]	王军, 李子舰, 刘潇蔓. 不同文本长度的体验型产品在线评论时间序列研究——以电影评论为例[J]. 图书情报工作, 2019, 63(16): 103-111.
[14]	李秀霞, 程结晶, 韩霞. 发文趋势与引文趋势融合的学科研究主题优先级排序——以我国情报学学科主题为例[J]. 图书情报工作, 2019, 63(11): 88-95.
[15]	俞琰, 陈磊, 赵乃瑄. 基于网络招聘文本挖掘的课程知识模型自动构建研究[J]. 图书情报工作, 2019, 63(10): 134-142.