面向用戶網(wǎng)購決策本質(zhì)知識需求的評論選擇模型研究

汪千松

摘要：在線商品評論是用戶網(wǎng)絡(luò)購物的重要決策依據(jù)。然而，面對海量無序的評論信息，用戶難以快速準(zhǔn)確發(fā)掘滿足購買決策知識需求的評論。對此，本文提出一種面向用戶網(wǎng)購決策本質(zhì)知識需求的評論選擇模型。首先，在分析用戶網(wǎng)購對評論擁有決策知識的需求基礎(chǔ)上，引入商品特征概念樹以描述用戶對網(wǎng)購決策的本質(zhì)知識。然后，依據(jù)評論內(nèi)容如何關(guān)聯(lián)商品特征，提出一種供給用戶網(wǎng)購決策本質(zhì)知識的評論選擇模型。把評論中商品特征描述在商品特征概念樹中的分布情況作為評論擁有用戶網(wǎng)購決策本質(zhì)知識的供給，給出了一種供給網(wǎng)購決策本質(zhì)知識的商品評論的選擇算法。最后，實例分析表明了該模型是有效的，可以滿足用戶網(wǎng)購時對網(wǎng)購決策本質(zhì)知識的需求。

關(guān)鍵詞：在線商品評論;特征概念樹;本質(zhì)知識需求;特征概念分布

中圖分類號：G202 文獻標(biāo)識碼：A

文章編號：1009-3044（2019）30-0279-02

1概述

在線商品評論是消費者網(wǎng)購決策的重要信息源之一。但是，日益增多的在線評論質(zhì)量良莠不齊，致使消費者常常“迷失”在海量的評論信息中，難以獲取關(guān)于商品及其購買環(huán)節(jié)的本質(zhì)知識。對此，如何快速有效地挖掘滿足用戶網(wǎng)購決策時對信息需求的高質(zhì)量評論已經(jīng)成為電商領(lǐng)域的一個研究熱點。

目前，多數(shù)電商平臺為消費者提供了一系列評論選擇和排序方法。評論排序是指根據(jù)特定指標(biāo)對某一件商品的所有評論進行規(guī)律性排序，如按有用性排序、按評分排序和按評論時間排序等，然后選擇排名靠前的k條評論推送給用戶。Kim S等利用支持向量機，將提取的語言特征作為輸入，獲取一個計算評論有用性的組合公式，并以此作為評估評論質(zhì)量的方法。Tsur o認(rèn)為高質(zhì)量的書評應(yīng)具有對書的主題、主要情節(jié)、作者風(fēng)格等方面的描述，據(jù)此作為消費者購買書本的重要依據(jù)。呂品等提出了一種基于灰色理論的在線評論用戶滿意度評價方法嘲。王倩倩等以信息采納模型為理論基礎(chǔ)，提出了一種在線評論可信度排序方法嘲。彭嵐等在感知診斷性概念基礎(chǔ)上定義評論有用性概念，構(gòu)建一個評論有用性影響因素模型。此外，黃婷婷等利用詞語相似度來計算用戶評論內(nèi)容和商品特征之間的關(guān)聯(lián)度，提出了一種在線評論的可信度計算方法。

上述研究主要從評論質(zhì)量、評論內(nèi)容、評論者和商品等角度對在線評論有用性、可信性進行研究，而較少涉及在線評論是否能夠為用戶網(wǎng)購提供網(wǎng)購決策的本質(zhì)知識方面的研究。對此，為了更準(zhǔn)確地給用戶提供觸及網(wǎng)購決策本質(zhì)知識的評論的推薦服務(wù)，提出一種面向用戶網(wǎng)購決策本質(zhì)知識需求的評論選擇模型。

2商品特征概念樹

自然語言中一個概念往往可由多個詞語表達，即概念的同義詞;一個概念可由多個子概念描述，即概念的下位詞。概念層次樹是以層次關(guān)系和偏序關(guān)系來組織概念，樹的層次關(guān)系表示概念的層次性，樹枝表示偏序關(guān)系，節(jié)點表示概念。某個領(lǐng)域所要描述的概念可由一棵或者多棵概念樹組成，對在線評論領(lǐng)域的特征概念樹描述如下：

圖1是Po-P14組成的商品特征概念樹，Po是概念樹的根節(jié)點，箭頭線表示父概念和子概念的層次關(guān)系，由子概念指向父概念。該概念樹的深度為4，寬度為7，非葉子節(jié)點P1的人度為3，非葉子節(jié)點P4的人度為1，其余非葉子節(jié)點的人度為2。概念樹的深度和寬度反映了概念樹內(nèi)涵的多樣性和豐富性;非葉子節(jié)點的人度反映了該節(jié)點的語義豐富程度。

3供給本質(zhì)知識的評論選擇模型設(shè)計

3.1基于商品特征分布的本質(zhì)知識供給模型

電子商務(wù)網(wǎng)站公布的商品詳細、規(guī)格參數(shù)和使用說明書等知識正規(guī)、嚴(yán)謹(jǐn)，并且有針對性，而商品評價由用戶自發(fā)書寫，具有隨意性、匿名性等，且質(zhì)量參差不齊。滿足用戶對決策信息需求的評論能夠?qū)ι唐返馁|(zhì)量、特征和功能，物流服務(wù)，售后服務(wù)等進行描述，使?jié)撛谙M者能夠了解商品及網(wǎng)購環(huán)節(jié)中的有關(guān)本質(zhì)信息。面向用戶網(wǎng)購決策本質(zhì)知識需求的評論選擇模型主要包括用戶評論的本質(zhì)知識、商品特征概念樹、特征詞典、在線評論中商品特征提取和評論選擇算法等部分組成，具體結(jié)構(gòu)如圖2所示。

圖3為本文方法和文獻【9】方法在不同對照數(shù)據(jù)集中的準(zhǔn)確率對比。在有用性得票數(shù)數(shù)據(jù)集對比中，本文方法和文獻【9】方法的準(zhǔn)確率為61%和54%。在專家數(shù)據(jù)集的對比中，本文和文獻【9】的方法都具有較高的準(zhǔn)確率，且本文方法更優(yōu)于后者，因為本文從用戶網(wǎng)購對決策本質(zhì)知識需求以及評論內(nèi)容如何關(guān)聯(lián)商品特征出發(fā)，依據(jù)商品特征概念樹的特征語義的層次性，將用戶網(wǎng)購決策時所需要的商品本質(zhì)知識轉(zhuǎn)變?yōu)樵u論中所描述的商品特征在商品特征概念樹中的分布。

5結(jié)論

本文提出了一種面向用戶網(wǎng)購決策本質(zhì)知識需求的評論選擇模型，從消費者對購買商品的本質(zhì)知識需求出發(fā)，引入商品特征概念樹，根據(jù)評論內(nèi)容如何關(guān)聯(lián)商品特征以及評論中描述特征詞匯在商品特征概念樹中的層次分布性，給出了提供用戶對網(wǎng)購決策本質(zhì)知識需求的評論選擇模型。實驗結(jié)果表明，本文模型有效可行，且具有一定的優(yōu)勢，能夠為潛在網(wǎng)購用戶提供更具價值的評論信息，降低用戶網(wǎng)購商品時搜尋決策信息的成本。本研究缺少對商品虛假評論的識別，未來的工作將進一步地研究虛假評論的檢測與識別。