【摘要】：本文以數(shù)值型在線評價信息為研究對象,考慮屬性權(quán)重未知和屬性關(guān)聯(lián)度的情形,并考慮決策者的心理行為,提出基于數(shù)值型在線評價信息的商品排序研究�？紤]屬性權(quán)重未知和屬性關(guān)聯(lián)度的情形,運用結(jié)構(gòu)方程模型對理論假說進(jìn)行驗證,根據(jù)屬性的影響效應(yīng)占比大小確定屬性及其權(quán)重。在此基礎(chǔ)上,考慮決策者的心理行為,提出兩種商品排序方法。一種是依據(jù)前景理論的商品排序方法。首先,考慮決策者對于不同屬性的期望值,將屬性期望值作為參考點,計算價值函數(shù);然后,計算概率權(quán)重函數(shù);最后,計算前景價值,并根據(jù)綜合前景值對所有商品進(jìn)行排序。另一種是依據(jù)前景隨機(jī)占優(yōu)準(zhǔn)則的商品排序方法。首先,根據(jù)決策者的參考點,將決策矩陣轉(zhuǎn)化為損益矩陣,并計算損益矩陣的概率分布;然后,基于前景隨機(jī)占優(yōu)準(zhǔn)則,構(gòu)建前景隨機(jī)占優(yōu)矩陣;最后,運用PROMETHEE-Ⅱ方法對所有商品進(jìn)行排序。實例結(jié)果表明:兩種方法均能解決基于數(shù)值型在線評價信息的商品排序問題,這驗證了前景理論和前景隨機(jī)占優(yōu)準(zhǔn)則在解決商品排序問題的可行性。
【圖文】：

① 數(shù)據(jù)可信度首先，相比其他常用的生活產(chǎn)品，如手機(jī)、電腦、服飾等，汽車的價格較高，消費者針對汽車的在線評價信息可能會更為謹(jǐn)慎，評價結(jié)果相對來說比較真實；其次，消費者通常是在具備一定駕駛能力的情況下才選擇買汽車，消費者群體差異性較小，，消費者對于汽車使用的體驗感知較為準(zhǔn)確。綜上，汽車的評價數(shù)據(jù)可信度高② 數(shù)據(jù)便于獲取針對汽車的在線評價數(shù)據(jù)可以在相關(guān)電商網(wǎng)站查看并采集，以全球訪問量最大的汽車網(wǎng)站——汽車之家為例。汽車之家主頁提供了地域/品牌/車系分類，包含熱門車、豪華車、小型/其他、商用車、推薦車、二手車等關(guān)鍵詞可供選擇。每款車都提供了車系首頁、參數(shù)配置、圖片實拍、報價、口碑、車型詳解、文章、視頻、保養(yǎng)等。其中，車系首頁提供了用戶評分和在線評價。每條在線評價信息包含：用戶名購買車型、購買地點、購車經(jīng)銷商、購買時間、空間、動力、操控、油耗、舒適性外觀、內(nèi)飾、性價比、購車目的等。綜上，汽車的數(shù)據(jù)便于獲取。圖 4.1 和圖 4.2 分別展示了汽車之家的主頁和用戶的在線評價信息樣例。

圖 4.2 用戶在線評價信息樣例由圖 4.2 可知，針對汽車的在線評價信息包含了文本型評價信息（如、屬性評價的具體化描述、用戶名、車型信息、購買地點、購買目的等）和數(shù)值型評價信息（屬性的評價值、購買價、目前行駛里程等）。（2）采集數(shù)據(jù)確定考慮到本文的研究對象是數(shù)值型在線評價信息，而汽車的數(shù)值型評價信息中的購買時間、購買價格、行駛距離等與本文研究目的聯(lián)系不大，因此，本文選取的汽車的數(shù)值型在線評價信息目前只采集屬性相關(guān)的評價信息，即空間、動力、操控、油耗、舒適性、外觀、內(nèi)飾、性價比等 8 個關(guān)于汽車評價的屬性及其對應(yīng)的評價數(shù)據(jù)。假如某消費者想選購一款汽車，其給出的汽車?yán)硐雰r格區(qū)間為 15~25 萬元，其擬定的四款汽車分別為：長安馬自達(dá)（1A ）、廣汽豐田凱美瑞（2A ）、上汽通用雪佛蘭（3A ）、一汽大眾速騰（4A ）。現(xiàn)用八爪魚采集器從汽車之家網(wǎng)站上抓取 4 款備選汽車（ 、 、 和 ）的 8 個汽車屬性的數(shù)值型在線評價信息。抓取的結(jié)
【學(xué)位授予單位】：武漢科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F724.6;F274

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭奕崇;張建敏;劉丙午;;關(guān)于非數(shù)值型因素的指標(biāo)相關(guān)性分析[J];塑料;2010年06期

2 林永民;呂震宇;趙爽;朱衛(wèi)東;;基于樣本分布與熵的數(shù)值型屬性離散化[J];計算機(jī)工程與應(yīng)用;2008年01期

3 從余;;CD播放機(jī)中使用的DAC(4) 符號數(shù)值型DAC[J];實用影音技術(shù);2010年02期

4 謝靜;張健沛;楊靜;張冰;;面向近鄰泄露的數(shù)值型敏感屬性隱私保護(hù)方法[J];通信學(xué)報;2015年04期

5 劉友軍;汪林林;;決策樹中數(shù)值型屬性分裂的研究[J];計算機(jī)科學(xué);2006年05期

6 王書河,何麟書;飛行器多學(xué)科設(shè)計優(yōu)化概述[J];宇航學(xué)報;2004年06期

7 黃明;詹海潭;張偉;經(jīng)小川;李寧;王瀟茵;;軍工高安全軟件數(shù)值型運行時錯誤分析方法[J];空間控制技術(shù)與應(yīng)用;2016年06期

8 申德榮;于戈;寇月;聶鐵錚;;可能世界內(nèi)數(shù)值型不確定數(shù)據(jù)匹配模型[J];計算機(jī)應(yīng)用研究;2008年09期

9 麻長立;馮光學(xué);;分類點法在數(shù)值型分類中的應(yīng)用[J];數(shù)學(xué)學(xué)習(xí)與研究;2016年01期

10 王濤;溫蜜;;面向數(shù)值型敏感屬性的隱私保護(hù)方案[J];計算機(jī)系統(tǒng)應(yīng)用;2019年07期

相關(guān)會議論文 前3條

1 曹露燕;蔣曉云;孟凡榮;;基于數(shù)值型和分類型混合屬性數(shù)據(jù)集的聚類算法研究[A];2006“數(shù)學(xué)技術(shù)應(yīng)用科學(xué)”[C];2006年

2 梁曉蕾;張世棟;;時態(tài)數(shù)據(jù)庫中非數(shù)值型屬性周期規(guī)律挖掘以及關(guān)聯(lián)規(guī)則提取[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2007年

3 趙偉剛;魏海軍;;鹿場生產(chǎn)管理信息系統(tǒng)的設(shè)計與開發(fā)[A];2010中國鹿業(yè)進(jìn)展[C];2010年

相關(guān)重要報紙文章 前1條

1 河北 曹震宇;用數(shù)值微調(diào)器輸入日期[N];中國電腦教育報;2000年

相關(guān)博士學(xué)位論文 前2條

1 王斌;交通安全不確定測度理論研究[D];西南交通大學(xué);2012年

2 謝靜;基于匿名的隱私保護(hù)方法研究[D];哈爾濱工程大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 劉若瀾;基于數(shù)值型在線評價信息的商品排序研究[D];武漢科技大學(xué);2019年

2 張學(xué)斌;數(shù)值型多維關(guān)聯(lián)規(guī)則挖掘研究[D];西南師范大學(xué);2005年

3 趙龍;英文自動問答系統(tǒng)中數(shù)值型問句的理解研究[D];大連海事大學(xué);2016年

4 馮浩;后件為數(shù)值型屬性的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)策略研究[D];北京交通大學(xué);2009年

5 鄧景毅;事務(wù)間數(shù)值型關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘[D];暨南大學(xué);2003年

6 薛力峰;石家莊郵電職業(yè)技術(shù)學(xué)院培訓(xùn)綜合信息管理系統(tǒng)分析與設(shè)計[D];北京郵電大學(xué);2009年

7 李爽;基于模糊聚類的模糊查詢及查詢松弛方法的研究[D];遼寧大學(xué);2015年

8 李翠翠;基于遺傳算法的非數(shù)值型軟件測試數(shù)據(jù)自動生成方法研究[D];北京化工大學(xué);2006年

9 申罡;針對混合數(shù)值型和分類型屬性數(shù)據(jù)的劃分式聚類算法研究[D];北京交通大學(xué);2015年

10 郭濟(jì)琳;大型林業(yè)企業(yè)網(wǎng)絡(luò)化管理信息系統(tǒng)的設(shè)計與實現(xiàn)[D];浙江大學(xué);2005年

本文編號：2590467