發(fā)布時(shí)間：2024-03-13 21:30

　　隨著互聯(lián)網(wǎng)的快速發(fā)展,在線評論的數(shù)量以指數(shù)級增長。在線評論是消費(fèi)者對其購買的商品或服務(wù)的評價(jià),對潛在消費(fèi)者做出購買決策具有極大的參考價(jià)值。但在線評論的參考價(jià)值參差不齊,在線評論有用性則度量了在線評論對消費(fèi)者購買商品或服務(wù)的參考價(jià)值,分析在線評論有用性有助于幫助消費(fèi)者快速做出購買決策。然而,目前在線評論的數(shù)量巨大,消費(fèi)者難以便捷地找到有用性高的在線評論;并且當(dāng)前主流的電商網(wǎng)站(如亞馬遜、淘寶等),主要依靠在線評論的評級或發(fā)表時(shí)間對在線評論排序,但這些排序方式相對簡單,難以有效地幫助消費(fèi)者進(jìn)行購買決策。因此,如何從海量的在線評論中發(fā)現(xiàn)有價(jià)值的評論是一項(xiàng)巨大挑戰(zhàn)。為了從大量的在線評論中提取出有用性高的在線評論,本文從用戶對在線評論有用性的影響角度出發(fā),分析在線評論有用性。在電商網(wǎng)站的評論系統(tǒng)中,用戶扮演兩種角色——作者和投票者,本文通過分析作者發(fā)表評論和投票者為評論投票的兩種行為,發(fā)現(xiàn)用戶是影響在線評論有用性的關(guān)鍵因素。本文構(gòu)建了社交評論圖模型描述用戶與在線評論之間的影響關(guān)系,并分析了用戶質(zhì)量對在線評論有用性產(chǎn)生的影響。該圖模型包含用戶和評論兩種節(jié)點(diǎn),構(gòu)建了三種類型的邊:用戶-評論邊、用戶-...

【文章頁數(shù)】：69 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖４－４用戶－評論邊迭代算法的收斂情況??

??圖４－４展示了本文用例的算法２的收斂情況，從圖中可以看出，用戶－評論邊??迭代算法大約在第４次迭代計(jì)算時(shí)達(dá)到收斂狀態(tài)。在每輪的迭代中，為了計(jì)算每??個(gè)用戶的用戶質(zhì)量，只需計(jì)算每條評論的有用性。因此，算法的運(yùn)行時(shí)間與用戶發(fā)??表和投票的評論數(shù)量成線性關(guān)系。??０．０３５??．?....

圖５－１亞馬遜網(wǎng)站Ａｐｐｌｅ?ｉＰｈｏｎｅ?７?Ｕｎｌｏｃｋｅｄ?Ｐｈｏｎｅ的兩條評論??在本文中，對于提取到的評論文本，我們采用余弦相似度計(jì)算和商品屬性關(guān)鍵??

在線評論的文本內(nèi)容是潛在消費(fèi)者購買商品最直觀的參考信息，消費(fèi)者通常??通過閱讀評論文本做出購買決策。一般情況下，評論文本所描述有關(guān)商品屬性的信??息越詳細(xì)，評論文本的有用性越高。例如，圖５－１中評論（ｂ）的評論文本所反應(yīng)??的信息比評論（ａ）更詳實(shí)，因此我們認(rèn)為評論（ｂ）的文本有....

圖６－１?—條用戶評論??本文使用的數(shù)據(jù)集的基本統(tǒng)計(jì)信息如表６－１所示

歷史評論對應(yīng)的有用性投票信息。每一個(gè)商品的頁面有關(guān)于該商品用戶給出的所??有評論，每條評論包括用戶給出的商品星級，作者，評論文本以及有用性投票，如??圖６－１所示。??☆金會(huì)ｌｉｎ：／網(wǎng)上訂購，實(shí)體店發(fā)貨，東西看起來不錯(cuò)的??留言者楊先生于２０１６年９月Ｓ曰??苕量：２００００ｍ....

圖６－２用戶質(zhì)量與評論有用性的關(guān)系圖??散點(diǎn)代表了不同質(zhì)量的用戶對應(yīng)的評論有用性分布

圖６－２用戶質(zhì)量與評論有用性的關(guān)系圖??散點(diǎn)代表了不同質(zhì)量的用戶對應(yīng)的評論有用性分布。紅線是上述評論有用性??分布的最小二乘擬合結(jié)果。從圖６－２中可以看出，評論有用性基本隨著用戶質(zhì)量的??提高而升高，說明用戶質(zhì)量確實(shí)對評論有用性產(chǎn)生了正相關(guān)的影響。實(shí)驗(yàn)結(jié)果與本??文的期望一致。?....

本文編號(hào)：3927597