于 超

(沈陽工業(yè)大學(xué) 管理學(xué)院， 沈陽 110870)

在線評價(jià)信息是指購買并使用過某種產(chǎn)品的消費(fèi)者根據(jù)親身體驗(yàn)在社交網(wǎng)站或電子商務(wù)平臺上給出的評價(jià)信息，評價(jià)信息通常涉及到消費(fèi)者關(guān)注的多個(gè)產(chǎn)品指標(biāo)(即屬性)且以評分或等級的形式存在。消費(fèi)者在選擇購買某一產(chǎn)品前，尤其是針對價(jià)值較高且尚未有過使用經(jīng)歷的產(chǎn)品的購買，通常會廣泛地獲取并參考其他消費(fèi)者針對各備選產(chǎn)品給出的評價(jià)信息來輔助決策[1]。隨著互聯(lián)網(wǎng)的飛速發(fā)展，在線獲取產(chǎn)品的評價(jià)信息已經(jīng)成為消費(fèi)者獲取產(chǎn)品評價(jià)信息的主要途徑。如何合理有效地運(yùn)用數(shù)據(jù)規(guī)模龐大的在線評價(jià)信息實(shí)現(xiàn)產(chǎn)品選擇進(jìn)而輔助消費(fèi)者進(jìn)行購買決策，有關(guān)這方面的研究具有實(shí)際意義。

一、研究現(xiàn)狀

近年來，關(guān)于基于在線評價(jià)信息的產(chǎn)品選擇或排序方法的研究已引起了部分學(xué)者們的關(guān)注。Li等[2]運(yùn)用社會網(wǎng)絡(luò)分析理論構(gòu)建了一個(gè)綜合評價(jià)模型，并將其用于在線商品的等級評價(jià)，以獲取在線商品的等級和排序結(jié)果，進(jìn)而輔助商品的選擇。Peng等[3]針對產(chǎn)品排序問題，提出了一種基于產(chǎn)品的在線顧客評價(jià)信息的多屬性決策方法，通過對在線評論信息進(jìn)行挖掘獲取產(chǎn)品的關(guān)鍵屬性，運(yùn)用模糊PROMETHEE的方法計(jì)算得到產(chǎn)品排序結(jié)果。Najmi等[4]針對如何從繁雜的評論中提取相關(guān)有用信息進(jìn)而對在線產(chǎn)品進(jìn)行排序的問題，提出一個(gè)產(chǎn)品排序系統(tǒng)，對評論信息進(jìn)行情感分析和有用性評估，將不同的產(chǎn)品功能和特征賦權(quán)為相似產(chǎn)品排序，最終為每個(gè)產(chǎn)品生成一個(gè)統(tǒng)一的排序，輔助產(chǎn)品的選擇。Chen等[5]針對市場結(jié)構(gòu)可視化問題，提出了一個(gè)將主題建模方法、TOPSIS方法和多維標(biāo)度方法加以整合的方法，通過移動電話的在線評論信息說明該方法可以用于市場中產(chǎn)品的定位和排序。習(xí)揚(yáng)等[6]針對產(chǎn)品排序問題，提出了一種使用在線評價(jià)信息的決策方法，將在線評價(jià)信息描述為離散型概率分布函數(shù)的形式，通過構(gòu)建并求解優(yōu)化模型確定屬性權(quán)重，進(jìn)而實(shí)現(xiàn)對方案的排序。梁霞等[7]提出了一種基于在線評論的產(chǎn)品選擇方法，通過對在線評論信息的分析確定產(chǎn)品屬性權(quán)重及顧客針對產(chǎn)品屬性取值的評價(jià)值，進(jìn)而確定備選產(chǎn)品的排序結(jié)果。尤天慧等[8]提出了一種基于在線評價(jià)信息和消費(fèi)者期望的產(chǎn)品選擇方法，通過計(jì)算商品各屬性的評價(jià)值相對于消費(fèi)者給出的屬性評價(jià)期望的損益值，確定產(chǎn)品各屬性的評價(jià)結(jié)果分布情況，進(jìn)而實(shí)現(xiàn)對備選產(chǎn)品的排序。Liu等[9]針對產(chǎn)品排序問題，提出了一種基于在線評論的決策方法，運(yùn)用情感分析技術(shù)將顧客在線評論轉(zhuǎn)化為直覺模糊數(shù)，在此基礎(chǔ)上依據(jù)直覺模糊集理論實(shí)現(xiàn)對產(chǎn)品的排序。

已有研究成果為解決基于在線評價(jià)信息的產(chǎn)品選擇問題提供了較好的思路和支撐，但在實(shí)際中，針對某產(chǎn)品各屬性的在線評價(jià)信息大多是數(shù)據(jù)規(guī)模龐大且呈離散型隨機(jī)分布的形式，針對某產(chǎn)品指標(biāo)的在線評價(jià)信息可視為離散型隨機(jī)變量，而已有的基于在線評價(jià)信息的產(chǎn)品選擇方法中所使用的在線評價(jià)信息大多沒有考慮其為離散型隨機(jī)變量的情形?；诖耍疚奶岢隽艘环N基于離散型隨機(jī)變量的在線評價(jià)信息的產(chǎn)品選擇方法。

二、問題描述

下面的符號用來描述基于在線評價(jià)信息的產(chǎn)品選擇問題中所涉及的集和量。

(1)A={A1，A2，…，Am}：備選的產(chǎn)品集合。其中Ai表示第i個(gè)備選產(chǎn)品，i∈M，M={1，2，…，m}。

(2)C={C1，C2，…，Cn}：指標(biāo)集合，各指標(biāo)是加性獨(dú)立的。其中Cj表示第j個(gè)指標(biāo)，j∈N，N={1，2，…，n}。

本文要解決的問題是，依據(jù)決策信息A、C、W和X，如何通過可行的決策分析方法來選擇最優(yōu)的產(chǎn)品。

三、原理與方法

(1) 獲取在線評價(jià)信息。針對電子商務(wù)平臺上的某一產(chǎn)品，有過購買經(jīng)歷的消費(fèi)者會根據(jù)自身的使用經(jīng)歷對該產(chǎn)品的各個(gè)指標(biāo)給出評分，進(jìn)而形成數(shù)據(jù)規(guī)模龐大的在線評價(jià)信息。消費(fèi)者在選擇產(chǎn)品前，為了能夠更加客觀準(zhǔn)確地了解該產(chǎn)品的各方面性能，通常會參考在線評價(jià)信息。由于在線評價(jià)信息數(shù)據(jù)規(guī)模龐大，因此，有必要對其進(jìn)行采集和處理，以形成具有參考價(jià)值的評價(jià)信息。針對在線評價(jià)信息的采集，可以通過數(shù)據(jù)采集軟件(如八爪魚采集器、Heritrix、jcrawl等)進(jìn)行。對采集到的數(shù)據(jù)進(jìn)行整理，可進(jìn)一步得到各備選產(chǎn)品對應(yīng)于各指標(biāo)的離散型隨機(jī)變量情形的在線評價(jià)結(jié)果，進(jìn)而得到?jīng)Q策矩陣。

(1)

(i，s∈M且i≠s；j∈N)

(2)

(3)

構(gòu)造有序產(chǎn)品對的優(yōu)序度函數(shù)，記gj(Ai，As)為有序產(chǎn)品對(Ai，As)針對指標(biāo)Cj的在線評價(jià)結(jié)果的優(yōu)序度，計(jì)算公式為

(4)

(i，s∈M且i≠s；j∈N)

其中，gj(Ai，As)∈[0，1]。gj(Ai，As)的值越接近0，表明針對指標(biāo)Cj的在線評價(jià)結(jié)果產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越?。划?dāng)gj(Ai，As)=0時(shí)，表明針對指標(biāo)Cj的在線評價(jià)結(jié)果產(chǎn)品Ai不占優(yōu)于產(chǎn)品As。gj(Ai，As)的值越接近1，表明針對指標(biāo)Cj的在線評價(jià)結(jié)果產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越大；當(dāng)gj(Ai，As)=1時(shí)，表明針對指標(biāo)Cj的在線評價(jià)結(jié)果產(chǎn)品Ai嚴(yán)格占優(yōu)于產(chǎn)品As。

依據(jù)簡單加權(quán)方法，建立兩兩產(chǎn)品比較的總體優(yōu)序度矩陣G=[g(Ai，As)]m×m，其中g(shù)(Ai，As)為有序產(chǎn)品對(Ai，As)的總體優(yōu)序度，計(jì)算公式為

(5)

其中，g(Ai，As)可被視為產(chǎn)品Ai優(yōu)于產(chǎn)品As的可信度，g(Ai，As)∈[0，1]，且g(Ai，As)越大表示產(chǎn)品Ai占優(yōu)于產(chǎn)品As的程度越大。

(6)

(7)

(8)

可見，oi越大，產(chǎn)品Ai越好。依據(jù)oi值的大小，可對所有產(chǎn)品進(jìn)行排序和優(yōu)選。

四、算 例

(1) 運(yùn)用數(shù)據(jù)采集軟件收集來自汽車之家汽車評論網(wǎng)站上4款備選轎車的全部車主針對8個(gè)評價(jià)指標(biāo)給出的真實(shí)評分?jǐn)?shù)據(jù)，經(jīng)過整理得到4款備選轎車8個(gè)指標(biāo)的在線評分分布情況，具體如表1～4所示。

表1 產(chǎn)品A1各指標(biāo)在線評分分布情況

表2 產(chǎn)品A2各指標(biāo)在線評分分布情況

表3 產(chǎn)品A3各指標(biāo)在線評分分布情況

表4 產(chǎn)品A4各指標(biāo)在線評分分布情況

(2) 產(chǎn)品各指標(biāo)的評分是離散型隨機(jī)變量，依據(jù)整理后的數(shù)據(jù)，可得到產(chǎn)品各指標(biāo)評分對應(yīng)的分布律和累積分布函數(shù)。例如，產(chǎn)品A1各指標(biāo)評分對應(yīng)的分布律和累積分布函數(shù)如下：

限于篇幅，其他產(chǎn)品各指標(biāo)評分對應(yīng)的分布律和累積分布函數(shù)不再一一列出。

(3) 依據(jù)隨機(jī)占有準(zhǔn)則，判斷針對各指標(biāo)評分的兩兩產(chǎn)品比較的隨機(jī)占優(yōu)關(guān)系，構(gòu)建隨機(jī)占優(yōu)關(guān)系矩陣，即

(4) 依據(jù)式(2)、(3)，計(jì)算各指標(biāo)的偏好閥值，計(jì)算結(jié)果分別為ε1=0.682，ε2=0.404，ε3=0.212，ε4=0.283、ε5=0.218，ε6=0.125，ε7=0.342，ε8=0.397。依據(jù)式(4)、(5)，計(jì)算兩兩產(chǎn)品比較的總體優(yōu)序度，進(jìn)而建立總體優(yōu)序度矩陣，即

表5 各產(chǎn)品的和oi計(jì)算結(jié)果

五、結(jié) 語

本文給出了一種基于數(shù)據(jù)規(guī)模龐大且呈離散型隨機(jī)分布形式的在線評價(jià)信息進(jìn)行產(chǎn)品選擇的方法，具有可操作性和實(shí)用性，為消費(fèi)者有效利用在線評價(jià)信息輔助產(chǎn)品選擇提供了方法與技術(shù)支撐，為解決現(xiàn)實(shí)中的產(chǎn)品選擇問題提供了一種新的途徑。