摘要
随着电子商务和用户生成内容的蓬勃发展，网站上积累的海量在线评论已经超出了消费者的信息处理能力，由于信息严重过载，消费者只能选择按照展示顺序浏览部分评论，因此，用科学的方法对评论进行排序尤为必要。现有的评论排序方法基本都是面向消费者群体的，然而，随着大数据技术和定制化服务的普及，为消费者个体提供个性化评论排序显然更符合市场发展趋势。仅有的少数个性化方法只考虑了单一维度的消费者偏好，如何挖掘消费者多维度偏好，生成个性化评论排序，是本文要解决的问题。 首先，从多维度立体全面地刻画消费者偏好，是进行个性化评论排序的基础。本文通过分析消费者浏览评论过程中的行为习惯和关注的信息，提出了产品特征偏好、评论情感偏好和评论浏览数量偏好的概念，并且详细分析了各维度偏好的挖掘和量化方法。 其次，将多维度偏好加入评论排序模型，根据各维度偏好的特点，确定了它们在模型中充当的角色。依次提出了单条评论、评论集合和评论排序的消费者偏好满意度度量方法，基于该度量方法就可以计算出所有可能的评论排序的期望满意度，从而将评论排序问题转化为优化问题，优化目标是最大化期望满意度，从而得到对应的最优排序。通过一个算例演示了采用该模型进行评论排序的过程，与只考虑单一维度消费者偏好的方法进行了对比分析，验证了考虑多维度偏好的必要性。 最后，分析了该优化问题作为一个NP-hard问题的复杂度，提出了用于近似求解的启发式算法，采用国内著名酒店网站的评论数据进行了大量实验，确定了算法的最佳参数，实验结果表明本文提出的算法与其他相关算法相比有效性最好，且具有较高的敏感度。 本研究具有一定的现实意义，消费者可以通过浏览符合自身偏好的评论排序信息，感知产品的真实质量，科学制定购买决策；商家可以根据消费者主流偏好和热门评论，对产品进行优化设计，制定相应市场营销策略，从而刺激销量，提高市场竞争力。
NETL