产品评论范文

导语：如何才能写好一篇产品评论，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

摘　要：通过对目前通用的搜索引擎是否适合用于产品评论信息的搜索的讨论和对目前网络产品评论数据处理的需求分析，探究产品评论检索系统的系统结构和工作流程。

关键词：产品评论检索；极性分类；网络爬虫

1 引言

随着信息技术的不断发展和深化，网络基础设施的不断完善，如今互联网已经渗透到社会生活的方方面面，成为大部分人日常生活不可缺少的重要交流工具和信息来源。互联网技术的普及大大缩短了人与人之间的距离，促进了电子信息资源的积累，加快了社会经济运行节奏，为行业发展和技术进步提供了新的机遇和挑战，各种各样的新兴应用、新技术随着新需要应运而生，推动了互联网技术本身日新月异地向前发展，其中典型的应用有电子商务、即时通讯、网络社区、博客等。产品评论信息是随着电子商务、网络社区等的发展出现的，通常是由消费者作出的对某一产品的外观、质量、性能、价格等商品属性好坏情况的判断，随着互联网应用参与的日益广泛，产品评论信息越来越多地出现在博客、社区或购物网站上.俞勇等 译. 北京:清华大学出版社2009(4):6-8.

篇2

〔关键词〕内容分析法；客户评论；影响因素；网络产品；销售量

DOI：10.3969/j.issn.1008-0821.2013.09.008

〔中图分类号〕F7246〔文献标识码〕A〔文章编号〕1008-0821（2013）09-0044-05

Web2.0时代的到来，使用户从单纯的信息接受者变成了信息者。Web20这一平台也改变了消费者表达观点和看法的方式——他们可以在购物网站、博客、论坛中发表自己的购物体验，对商品和服务进行评价。这些评论不仅仅有助于其他顾客了解产品和服务的口碑，帮助做出可靠的决策，还可以作为反馈机制帮助生产商和销售商提高产品质量，优化营销策略，从而提高竞争力。目前国内外的研究主要集中在产品评论的有效性和影响因素分析两个方面。

篇3

关键词： 在线评论；新技术产品；采用意愿

中图分类号：F713 文献标识码：A 文章编号：1001-8409（2014）02-0096-04

1 引言

信息技术的发展使得新技术产品在人们日常生活中开始广泛应用。但由于新技术产品具有技术性强、复杂度高、价格不菲等特点，消费者在没有外界信息的辅助下，很难完全了解产品的主要功能和对产品产生兴趣。而社会化媒体的兴起为消费者提供了了解新技术产品知识的信息平台。互联网将孤立的个体聚集成一股不可忽视的力量，被网络连接的消费者突破了时间和空间的限制，进行着更为方便和快捷的交流，消费者的意见和体验对其他潜在消费者的影响与日俱增。在线评论是一种新兴的信息媒介，指网络用户用文本形式对商品使用经历的描述与评价[1]。对潜在消费者而言，这些信息能增强对产品的全面了解和消除购买的不确定，比企业自身的信息更具价值。研究表明，在线评论对消费者购买高价格的科技类产品影响最大，因为科技类产品一般价格较高、功能复杂，因而消费者对该类产品的搜寻比较时间也长，对以往购买者对该类产品评价的考虑也会越多。超过半数的该类产品受到在线评论信息的影响。

但在线评论的哪些属性会影响消费者采用新技术产品，在线评论对消费者有哪些方面的影响，影响机理是什么？目前鲜有研究。因此，本文基于ELM视角，构建在线评论对新技术产品消费者采用意愿的双重路径模型，深入研究在线评论对消费者新技术产品采用意愿的影响机理，从而对我国创新技术型企业使用在线评论开展新技术产品的推广具有指导意义。

2 文献回顾

2.1 精细加工可能性模型（ELM）

ELM是关于态度如何形成与改变的理论模型，它强调有两条路径来改变态度，一条是中枢路径，受众注重论据质量，对目标的信息认真思考，仔细分析整合，最终导致态度的形成或改变；另一条是路径，个体依赖情感迁移、直观推断或其他自动的信息加工形成或改变态度。更多的时候，两条路径一起对消费者的态度发生影响。随着社会化媒体的崛起，少数学者在ELM视角下探讨用户网上信任的形成[2]。而在网络购物过程中，信息技术的发展使消费者能够在互联网上自由地表述对已购买产品的体验，以及对产品价格、性能等特质的评定。因此，在线评论作为一种口碑信息，通过认知作用或说服作用影响着潜在消费者的心理和行为，但至今尚无学者深入探讨在线评论如何通过不同的路径影响消费者态度和采用意愿。

2.2 技术接受模型（TAM）

Davis的技术接受模型解释了人们的计算机使用行为。TAM有两个重要的影响态度的因素，即感知有用和感知易用。感知有用是指个体感知到的使用一个具体的系统能够提升他的工作绩效的程度；感知易用指个体感知到使用一个具体的系统不费周折的程度。在TAM中，感知有用和态度是行为意愿的重要前因，感知有用和感知易用是影响用户态度的重要前因，而感知易用会影响用户的感知有用，同时，感知有用和感知易用受外部变量影响。通过对以往相关文献的分析发现，在TAM的两个重要维度中，感知有用是一个很重要的变量，而感知易用的作用并不稳定。TAM作为一个基础模型，揭示了用户接受各种信息技术的基本规律。众多学者的研究多是根据探讨内容的不同，借鉴TAM中的部分变量，并对其他变量作为调整，运用信任、感知风险等变量拓展了TAM的应用范围。正如学者King等所指出的：TAM是个有用的模型，但在具体应用的过程中还需加入其他的变量。

2.3 在线评论

在线评论的研究处于探索阶段，其定义国内外尚未统一，本文借鉴前人的经验，结合本文的研究，将其定义为：大众通过互联网获得的，先前的消费者主要以文本形式分享的，对商品质量、性能、使用体验等的评价信息，包括评论者信息、评论内容和评论时间等组成部分。目前，国内外关于在线评论的研究主要集中在三个方面：评论的有用性、在线评论对消费者行为的影响以及在线评论对销售的影响。综上所述，在线评论有几个重要的维度

（评论的数量、评论的形式、评论的倾向等）被学者深入探讨，这些维度之所以被广泛关注，是因为评论的数量起到了知晓的作用，越多的人探讨某件商品，其他人知晓该商品的可能性就越大。评论的倾向、评论的形式等起到了劝说的作用，文本信息中包含的内容使阅读者能选择采纳或放弃商品。尽管众多学者深入挖掘了在线评论的维度，但现有研究仅仅局限于探讨各个维度对消费者意愿或者决策行为的直接影响，而对消费者的心理作用机制尚未深入探讨。

3 研究模型及假设

3.1 消费者处理在线评论的双重路径

评论的内容质量指评论内容的真实性、可靠性、与所评价产品的相关性以及是否为消费者提供了大量有用的信息。评论的形式是指根据评论文本的表达方式（包括评价暗示内容、语调和措词）将评论内容划分为客观和主观两类。评论的倾向指对产品体验正向或者负向的评价[3]。上述变量均是从信息特征出发，包含了产品属性及相关内容的详细信息，消费者可以从这些文本信息中了解并综合分析产品是否有用。因此，在通过中枢路径对消费者态度形成方面，本文采用评论的内容质量、评论的形式和评论的倾向3个因素。

评论的数量表现了产品的流行程度，因为它与产品的销售量相联系。评论的效价指在线评论的整体正负程度，是一种总体的口碑效价，即在所有在线评论中，当多数为正向评论时，总体评论效价为正，反之为负。评论者的资信度包括专业能力和可靠性两个维度[4]。上述变量反映了他人对产品的立场，消费者容易受他人的影响选择采纳或者放弃产品。因此，通过路径对消费者态度形成方面，本文采用评论的数量、评论的效价和评论者的资信度3个因素。

3.2 在线评论对消费者采用意愿影响的作用机理模型

国内外学者基于理理论、计划行为理论、技术接受模型从不同的产品领域研究新技术产品的消费者采用。Davis开发的技术接受模型最初是用来研究信息技术，但是之后的众多实证研究证明，它在解释和预测其他新技术产品的接受上是同样有效的。Sang-Hoon Kim等调查了社会对消费者创新采用的影响，基于TAM以社会规范、推荐者的影响力、推荐人的数量等社会因素构建了消费者的持续采用模型[5]。因此，本文基于技术接受模型，以在线评论的各个维度为外部刺激变量，构建网络购物情境下新技术产品消费者采用意愿形成的模型。

高质量的评论内容与产品相关性强，消费者基于亲身体验公正描述了产品的具体特征和服务、物流等的具体情况，其提供的实际信息逻辑性更强，更具说服力。而说服力越强的评论对消费者的正向影响越大[6]。根据Ghose的研究，在主、客观两类文本对数码相机等搜索型商品在线评论感知有用性的影响中，观点评价的内容越多，评论的感知有用性越低。由于新技术产品属于搜索型产品，因此，客观事实型的评价更能给潜在消费者提供有价值的参考信息，使其能深入了解产品的有用性。Dellarocas等指出，人们更倾向于发表或关注极端评论而不是中间评论，但正向评论会给潜在消费者心目中树立和强化产品的正面形象，提高潜在消费者对该产品的认知和评价。因此，正向评论中包含的信息会使潜在消费者更加了解产品而接纳产品。基于上述讨论，本文提出如下假设：

假设1：评论的内容质量正向影响感知有用。

假设2：客观事实型的评论形式正向影响感知有用。

假设3：正向评论正向影响感知有用。

从众是指消费者在接受到他人的产品评价、购买意愿或购买行为的信息后，改变了自己的产品评价、购买意愿或购买行为，努力地与他人保持一致。Burnkrant等提出人们将群体成员对产品的评价和选择作为自己购买选择产品的信息来源。Huang等认为消费者网上购物时的从众心理非常明显。因此，消费者在网上购物时，会受到在线评论中他人的影响从而产生从众心理。

在线评论的数量与产品的销售量相联系，它反映了产品的流行程度。而消费者常常选择流行的产品，因为他们认为流行度代表了更好的质量。研究表明，消费者在网上购书时会选择销售量大的书籍[7]。因此，消费者根据在线评论选择产品时强烈地受到其他消费者行为的影响。评论的效价反映了评论的整体正负程度。个人在购物时会迎合群体的态度与价值要求，即使此群体是个人与之接触不多的参照群体。因此，潜在消费者会跟随大多数人的行为从而降低自身的不确定性。消费者的心理不仅会受大多数人的影响，也会受少数人的影响。研究表明，对于论坛等级高、信誉高的评论者，消费者认为其更具专业水平，更能提供正确的信息，所以信任程度较高，更容易受到影响，并且更愿意主动搜寻相关信息作为参考。基于上述讨论，本文提出如下假设：

假设4：评论的数量正向影响从众心理。

假设5：评论的效价正向影响从众心理。

假设6：评论者的资信度正向影响从众心理。

在大量解释和预测用户接受信息技术影响因素的研究中，不同程度地证明了TAM的实用性和有效性。结合本文的研究，在线评论传递的不仅仅是一条条的信息，而且提供了作为整体的信息，如评论数量、评论效价等，这些整体的信息特征反映了大多数人的认知和行为，从而引发了消费者的从众心理，进而降低了消费者对新技术产品采用的复杂性和不确定性。同时，大量的研究表明从众心理会增加消费者的购买意愿。因此，结合TAM和从众心理，提出如下假设：

假设7：感知有用性正向影响态度。

假设8：感知有用性正向影响采用意愿。

假设9：从众心理正向影响态度。

假设10：态度正向影响采用意愿。

3.3 概念模型

由以上假设及分析，形成了在线评论对新技术产品消费者采用意愿的概念模型，如图1所示。

[PS，BP#]

4 研究方法

4.1 问卷设计

本研究参考了以往文献中的成熟量表，评论的内容质量采用Dhanasobhon等的五条目量表来测量。客观事实型评论借鉴Applbaum等的测量量表，由三个条目组成。正向评论选择Chan的三条目量表来测量。评论的数量根据Schubert的测量量表修正而来，由四个条目组成。评论的效价根据Chan的测量量表修正而来， 由三个条目组成。评论者的资信度借鉴了Chent等的三条目量表来测量[8]。感知有用根据Eriksson的测量量表修正而来，由三个条目组成[9]。从众心理根据Lascu等的测量量表修正而来，由三个条目组成。态度根据Moon等的测量量表修正而来，由三个条目组成。采用意愿根据Cheong等的测量量表修正而来， 由三个条目组成[10]。同时，邀请几位营销专家和网购达人进行小规模的访谈，听取意见修改形成本研究的调查问卷。通过预调研，删除不合适的问项，形成本研究的最终测量问卷。本研究中，所有的测量都是采用李克特七点量表的形式进行的，其中1表示完全不同意，7表示完全同意。

篇4

[关键词]餐饮企业产品创新竞争力模糊评价

近年来由于民营企业的迅速发展，中国餐饮市场的发展趋势越来越呈现多元化和多层次的特点，从更宽广的层面和更深的层次体现满足消费者需求的发展趋势。但由于经营理念、管理水平、服务意识以及经营环境等差异，餐饮企业仍然存在产品参差不齐、管理水平和服务意识跟不上企业的发展水平等问题。改革开放以来，由于外国餐饮企业的进入和中国本土餐饮企业的逐步发展壮大，竞争日趋激烈。餐饮企业作为一种“永远的朝阳行业”，只有不断进行创新来提高自身的竞争力，防范随时发生的各种风险，才能保持良好的发展态势。

一、产品创新对餐饮企业提高竞争力的影响

1.餐饮企业产品创新的内涵

经济合作与发展组织从市场的角度将产品创新定义为：为给产品用户提供新的或更好的服务而发生的产品技术变化。国内学者的观点有的集中在产品的某一方面，有的是从某一角度出发来定义。归纳起来一般包括以下几个方面：

(1)品牌创新，包括对产品的原料、烹饪工艺以及盛放炊具等创新；

(2)服务创新，包括对顾客提供标准服务、个和细节服务等；

(3)理念创新，包括企业文化、产品定位和产品文化等。

2.餐饮企业的竞争力的来源

餐饮企业的竞争力主要受到其经营的硬件设施、产品以及经营风格、理念对顾客的吸引力等因素的影响。根据科特勒的顾客让渡价值理论，影响餐饮企业竞争力的主要因素包括：

(1)餐饮产品本身的价值，即它在顾客心目中体现出来的产品效用或产品性价比；

(2)餐饮产品附加价值，例如产品的适用性、用餐环境等；

(3)购买、消费产品所需付出的货币以外的成本，如时间、精力成本等。

3.产品创新对餐饮企业提高竞争力的影响

餐饮企业的产品创新，首先可以通过增加餐饮产品本身的价值，或改变产品的烹饪工艺等手段，提高消费者心目中的性价比，让消费者通过比较，达到“物有所值”的效果。另外，通过产品创新，增加产品的适用性，改善或提供良好的、个性的用餐环境，使消费者感觉耳目一新，提高餐饮产品的附加价值。通过规范服务标准，或提供细节化的服务，充分体现“顾客就是上帝”的服务理念，节省消费者货币以外的时间或精力成本。

二、餐饮企业产品创新的模糊综合评价。

1.餐饮企业产品创新的评价指标体系

从总体上看，以餐饮企业产品创新的内涵为基本评价指标体系，如表1所示。

由于餐饮企业产品创新的内容目前还没有一个统一的标准，涉及的内容和方法很多。从影响餐饮企业竞争力的创新因素的角度出发，总结归纳国内学者和国外比较通用的观点，大体上可以归结为表1中的三大因素。餐饮企业产品创新的评价是一个比较复杂的问题，要综合考虑各种影响因素和实施时的具体情况。根据三大影响因素的具体内涵，表1中一级指标具体分解为各自的二级指标。

2.餐饮企业产品创新的模糊评价方法

餐饮企业产品创新的各评价要素人为确定评价等级的界限没有严格的标准，另外评价的结果往往和评价者本身的经验有很大关系，因此采用模糊数学评价的方法是比较合适的。通常的方法是根据餐饮企业产品创新的内涵确定评价要素和内容，列出“优、良、中、差”评判等级以及相应的评判标准，然后组织专家进行评判打分，在分析研究各要素对创新竞争力影响大小的基础上确定权重，最后采用模糊数学的评价模型进行产品创新竞争力的评价。

具体步骤如下：

(1)确定评价因素集,这里评价因素集为餐饮企业竞争力评价各级相关指标的集合，X=(X1,X2,…,Xn)。

(2)专家讨论、确定餐饮企业竞争力各影响制约因素的权重集。由于评价指标体系是一个递进的层次结构，宜采用层次分析法分别确定权重，设指标的权重分别为A1，A2，…，An，有∑Ai=1，则权重集为A=(A1，A2，…，An)。

(3)建立评价等级集。评价等级集是评价者对评价对象可做出的各种评价结果所组成的集合，即r=(r1，r2，…，rn)，这里r=(优，良，中，差)。

(4)确定隶属关系，建立模糊评价矩阵：。

(5)进行模糊关系综合评价:对于一个2层次的餐饮企业创新竞争力评价模型，先请专家组进行二级指标评价，其评价结果相对于一级指标构成一个模糊评价矩阵，然后与一级评价指标权重相乘(即A·R)并进行归一化计算，最后再根据最大隶属度原则，确定最终的评价结果。

3.餐饮企业产品创新的模糊评价

根据餐饮企业产品创新的内涵，选取几个最主要的影响企业竞争力的创新指标作为评价要素进行模糊评价。先确定表1中各二级指标的“优、良、中、差”的具体标准，然后邀请有丰富经验的专家根据标准进行打分，集体讨论，综合考虑各专家的意见确定一级和二级指标的权重，如表2。

表中专家对二级指标的评价结果，构成该餐饮企业创新模糊评价矩阵R。对于一级指标X1，有二级指标R1。

，A1（a1a2a3）=（0.40.40.2）。

根据S=A·R，即，j=（1，2，3），

得S1=（0.420.280.240.06），以此类推，可以根据R2、R3以及指标权重A2、A3，求得S2和S3。

S2=（0.50.30.220.04），S3=（0.310.40.230.06），由S1、S2、S3得到模糊关系矩阵

,其中一级指标权重集A=(0.40.30.3）,

由S=A·R计算得：S=（0.4110.1330.2080.054），进行归一化处理，

S=（0.510.170.260.06）。

这个结果表明，该参饮企业的创新竞争力的综合评价“优”的比例为51%，“良”和“中”的比例分别为17%和26%，“差”的比例仅为6%。根据最大隶属原则，该餐饮企业的创新的竞争力为优。

餐饮企业创新竞争力指标体系和模糊评价数学模型与其它数学模型相比具有简单易行、可操作性较强、便于应用等特点，结果能比较真实地反映餐饮企业创新竞争力的实际情况。可以应用于餐饮企业创新竞争力的考核评估，进行竞争对手创新竞争力的比较分析，并能为企业创新进行投资决策。

参考文献：

[1]王圣果:餐饮企业创新四要素[J].哈尔滨商业大学学报(社会科学版),2005,(1)

[2]刘戈衡:创新——餐饮企业成功的秘密[J].商业研究，2003，(1)

篇5

关键词：文化产业；文化产品；交易平台

中图分类号：G124 文献标识码：A

文章编号：1005-5312（2012）26-0273-01

近年来国家向文化大发展大繁荣不断迈进，我国的文化产业正迅猛发展。因我国文化产业还处在起步阶段，各地建立起了一些文化产业交易中心、文化产品网络交易平台等。但在实际中还是出现了盲目冒进、供需不称、畸形发展等情况。积极探索文化产品交易平台的建设不仅能使供求两旺、文化市场健康发展，还可能动于文化生产与文化消费，惠及整个文化产业链。文艺演出产品供求在文化事业与文化产业中都占有一定比重，可以说，文艺演出产品交易市场的发展现状能折射当前我国文化总体发展面貌。

一、当前文化产品交易困境

我国文化产业发展还处在初级阶段，文化产品交易信息传播渠道不畅，使文化生产、文化消费畸形发展。政府近年来对文化事业、文化产业做了大量引导和改革，以市场化机制运作文化,但在实际中却出现了种种问题。以文艺演出产品交易为例。

文化事业方面：近年来政府实行了文艺演出产品政府采购。但在实际运行中，政府可选择的优秀文化演出产品极少，能上规模档次的演艺产品大都局限在原事业单位编制的文艺院团。民间艺术院团受演出规模、产品质量等限制进入政府采购序列的屈指可数。这样原本市场化运作的初衷又无形中回到了以行政命令养活文艺院团的老路。文艺院团受优厚条件的优待，文艺演出产品同质化严重，缺乏多样化、创新化产品，不能满足人民多样的艺术文化需求；且文艺演出产品价格偏高，使政府文艺演出产品采购成本逐年提高，为公共财政增加负担，更不利于文化事业市场化机制的良性发展。

文化产业方面：十六大以来，政府在政策、财政、金融等方面对文化产业的发展都进行了大力的支持。各种文化演艺机构公司如春笋般出现，但社会文艺演出产品的生产与购买却无规范有序可言。目前社会演艺产品的供给主要依靠盈利性演艺公司或机构整合社会文艺演出零散资源，演出产品交易相对分散，没有一个专业化网络交易平台。目前的中国文化产业网、中国文化创意网等网站，更多的是文化产业各个行业的总体展示，其中包含的文化产品交易信息相对较少。各个省市文化产品交易中心建设尚在起步。北京、杭州、上海等城市率先建立起了政府主导的文化创意网，但市场交易功能很弱，俨然文广部门政务信息公开网。民间演艺公司间互相无序竞争，三俗风盛行，同时由于信息的不畅，使文化生产流通没有形成良性循环，文化产品实际的交换价值与市场价值更加无从体现。

当前文化产业中的产品信息传播这一环节，正越来越多的制约着文化生产与消费。使我国文化产业发展受到极大限制。

二、文化产品网络交易平台亟待改进之处。

（一）商品性的凸显

互联网的威力在当今社会表现的淋漓尽致：纸质媒体的没落、传统零售业的风光不再……。网络交易平台以低成本、开放性、海量信息等特点占据当今商业重要位置。文化产业是以文化商品的生产传播销售、文化设备用品制造为主要活动的行业集群，当前各个地方的文化创意产业网罗列了一些相关产业信息。譬如：苏州文化创意产业网，有产业资讯、项目动态、产业研究、文创论坛等分类。而其中任意一个项目产品，只有简单介绍和联系方式，并没有详实生动的视频图片展示，缺乏电子商务平台构成基本元素。

当前文化产业网络交易平台忽视了文化产业最基本的一个特性即商品性，网络平台建设者没有从根本上转变发展观念，依然将文化产品当做传统商业项目、文艺活动进行展示，对网上交易、产权转让等商品市场化行为的开展相对较少，文化行业商品化的比例过低。号称全球中文第一大文化产业门户“时代·中国文化创意产业网”，仅有全国文化产业招商融资信息，本身不承担交易监管责任；“中国文化产业网”的交易中心中，将买与卖区分，分别创建板块展示信息。美国对文化产业的定义直接强调了其工业化和商品化。以文艺演出产品为例，文艺演出产品首先是在市场化机制运作下生产，然后按照商品化方式传播销售。商品同时具有交换价值与使用价值，现代商品直接面对消费者，必然要求对商品定位、品牌、包装、内容做直观的展示。产品应按照现代电子商务平台方式进行运作，利用网络优势将生产者与消费者紧密联系起来。文艺演出产品的分类可按照演出规模、节目内容、节目质量三个类别进行划分。网络交易平台上的文艺演出产品必须具有详实的产品介绍，也应具有供应者与需求者第三方联系途径，同时还应明码标价、菜单式选购文艺演出产品。

（二）民间文化艺术的扶持

民间文化艺术根植于民间，艺术形式都是大众所喜闻乐见的，因此具有极强的适应性和传播性。但当今东西方文化交流的深入、全球一体化的发展，使中国民间文化艺术深刻地表现出传统与现代的分裂。传统文化艺术正遭受到西方文明的猛烈冲击，迫切需要结合现代表现手段手法、价值等以求获得勃勃生机；而兴起于后现代文明的当今民间文化艺术，也需要不断地历练，剔除糟粕沉淀精华，使自身能成为真正的艺术瑰宝。正如吸收了昆曲、秦腔、汉剧等地方戏曲特长的京剧，在演出形质、唱腔等做了大量改革，使之成为中国戏曲的翘楚；汉代的百戏杂糅杂技、舞蹈，发端于宋代瓦子勾栏等民间娱乐场所的唱赚、鼓子词、杂剧、细乐等无不是始于求惊搏味，在不断发展中成为一门艺术。

民间文化艺术在市民需求中生成与成长，其天生便表现出了低抗风险性，大众文化需求的转变、民间艺人的流失等多种因素都会导致某种民间文化艺术的消逝。国家对文化事业文化产业的建设关键还是在对民间文化艺术的扶持。而网络平台低成本、开放性的特点，能使民间文化艺术进入文化产业交易市场，让民间文化艺术获得发展的源生动力即价值，同时民间文化艺术也能在市场激荡中探索，焕发新的艺术生命力。

文化产品网络交易的前提是文化艺术能成为商品，民间文化艺术受资本、观念等因素影响显然不具备商品化能力。政府应对民间文化艺术商品化给予更多的帮助，包括文化产品网络交易平台的准入、商品信息包装、网络展示、商品定价、政策补贴、商品交易监管等几个方面入手。

（三）文化创新产品的推动

法兰克福学派的本雅明等人认为现代艺术已经深深地陷入到机械复制的娱乐工业体系深渊，显示出生产者的意识控制与受众的被动与无助。而文化创意产业的发展，能从一定程度上对现代娱乐工业体系注入新的活力。英国对文化创意产业的定义为个人的创造、技能等开发生产从而创造财富的活动，这一定义很好地强调了文化产业中人的巨大作用。文化产品网络交易平台的建设应特别注意文化中人化的作用，不能整个平台只是追求最大经济价值的项目，而应对具有创造性、稀缺性的文化产品加以扶持和推广。

（四）文化产品网络交易平台细化、阶梯发展

篇6

[关键词] 旅游饭店 产品质量 层次分析法 模糊综合评价

一、问题的提出

酒店产品质量是指酒店产品（硬件产品和软件产品）适合和满足客人需要的程度，适合、满足客人需要的程度越高，说明质量水平也越高，反之亦然。其产品质量的优劣高低直接影响到酒店的声誉、客源和经济效益，因此一种能客观科学地评价一家酒店产品质量的方法至关重要。但是从已出版的书刊杂志和网上搜索的资料来看，从硬件和软件两个方面综合地评判一家酒店整体产品质量的方法，在国内外文献中尚未出现，而与此有关的文献中几乎都是仅从“服务质量”这个角度进行评析。其次，即便有的文献在质量分析中涉及到硬件或软件方面，但几乎是以定性方法入手，如果说与“量”有关的话，也只是搜集客人投诉意见之后，按各种投诉意见出现的频率高低排队，采用ABC分析法找出存在的主要问题。透过简单的“量”（投诉意见次数占总投诉比例）并不足以准确地对一家酒店总体产品质量做出客观评价，因为不同细分市场（即不同类型顾客）对酒店问题的敏感性与认知度具有很大差别，换言之，有可能由于客人的认知偏差而掩盖了酒店产品质量的真实性。再次，国家旅游局饭店评星机构颁发的评星文件（如《旅游饭店星级的划分与评定》〈2003年版〉），对星级评定突出了服务设施的配套程度，而对酒店产品质量以量化的评价存有局限性，仅从设备维修保养、清洁卫生和服务质量三个方面来评分，其方法是将三个方面分为优、良、中、差，然后给予各档一定的分数（量）。虽然有定量评价，但评价内容没有包括酒店产品的全部，而且未体现各个方面评价在整个评价体系中的轻重之分。

基于以上情况，本文提出酒店总体产品质量的评价体系，以层次分析与模糊评判相结合的方法建立酒店产品质量评价模型，并通过福州某五星级饭店运用该方法进行实例分析和探讨，来论证这一评价模型的科学性和可行性。

二、评价步骤

1.建立酒店产品质量评价指标体系

酒店产品质量的内容既有硬件方面，也有软件方面。本文依据酒店产品质量的具体内容阐述，确定影响评价对象的因素集U，构造了如图1所示的指标体系。

2.确定评价集V

评价集包含所有可能出现的对评价对象的评语，设为V=[v1，v2，…，vk]。根据通用评估准则将酒店产品评价集定义为五级，即v＝｛等级五，等级四，等级三，等级二，等级一｝。为便于理解和进行评价，专家采用百分制｛40分以下（等级五），40－60分（等级四），60－75（等级三），75－90分（等级二），90－100分（等级一）｝进行评价，而顾客则按｛很不满意，不满意，一般，满意，很满意｝评价集进行评价。

3.确定各指标的权重系数

指标权重表示指标在指标体系中的重要程度，权重的确定是合理进行酒店产品质量评估的关键。层次分析法[5](Analytic Hierarchy Process，简称AHP) 是通过选择专家对各评价指标的相对重要性进行打分，然后综合各专家的打分，计算出各指标在整个指标体系中的权重。

(1)构造判断矩阵（正互反矩阵）

采用某种判别标度(常用Saaty标度，即1～9标度) ，对同层因素两两进行比较和量化，得出判断矩阵C。

表1 1～9标度法

(2)相对重要度计算

即求C的最大特征向量及最大特征根即为系统的权重向量，其计算公式为：

，归一化后：（1）

（2）

(3)一致性检验

给出一致性指标:，由于随着n的增加判断误差就会增加，因此判断一致性时应当考虑到n的影响，使用随机性一致性比值为平均随机一致性指标（见表2）。

表2 平均随机一致性指标表

当C.R.

4.模糊评价

(1)单因素模糊评价

单因素模糊评价是为了确定评价因素集U中每一个因素指标在评价集中的隶属度， 建立一个从U到V 的模糊关系， 从而导出隶属度矩阵，其中，rij表示因素ui对评语vj的隶属度。在确定评价因素对评价集隶属度rij时，为了更加客观、合理，可以请若干专家为评价组，对每一个因素进行评价，从而减少“多数人说了算”的影响，使这种主观估计更具有客观性。

设评价集V=[v1，v2，…，vk]对于评价因素ui有vij个vj评语，j=1，2，…，k，则ui对于评语集的隶属度向量ri={ri1，ri2，…，rik}，其中（3）

(2)一级模糊综合评价

所谓一级模糊综合评价是指按一类中的各因素进行综合评价。其计算公式为

（4）

其中，o为模糊合成算子。通常应用较多的是算子，即先取小再取大运算，其中

（5）

但这种方法当因素比较多时，对每一因素的加权值必然很小，会导致评价结果不理想。因此，为综合考虑各评价因素的影响且保留单因素评价的全部信息，对模糊合成算子o采算子，即

,其中（6）

(3)二级及多级模糊综合评价

二级及多级模糊综合评价是在一级模糊综合评价的基础之上，使用模糊矩阵合成将一级模糊综合评价所得到的评价结果向量经过归一化处理后合成矩阵R，作为因素集U到评价集V的隶属度矩阵，再根据公式(4) 计算评价向量。由此逐级往上评判即构成二级乃至多级综合评价的一般模型。

5.评价结果

利用多级模糊综合评判得到的最终向量B对评价结果做出判定，常用的判定准则有最大隶属度原则和加权平均原则。

三、应用实例

在本文的案例中，我们按前面构建的体系指标采取神秘客调查（专家暗访）和发放问卷的方法对福州市某五星级酒店进行了产品质量评价。

1.问卷调查及数据收集

在问卷调查过程中，共向酒店住客（住店时间为2天及2天以上）发放问卷366份，收回128份，有效卷112份，其数据统计情况见表4。

2.利用AHP法确定Ui中的k个因素的权重系数

表3关于U的判断矩阵

同理，我们可算出其它权重向量，具体见表4。

表4权重和评价指标值信息表

3.模糊评价结果及分析

(1)顾客评价结果

对顾客评价情况采取算子进行计算，则有

归一化得：B=(0.0826，0.1333，0.1781，0.2105，0.3955)

根据评价集，按照隶属度最大原则，该酒店产品质量为等级一。

(2)专家评分结果

对专家评价情况采取算子进行计算，则得B=90.03722，该酒店产品质量为等级一。

(3)评价结果分析

一是酒店产品质量体系的各指标权重是按酒店管理权威专家经过日常的大量观察和调查后得出的相对重要度进行计算得出的，是一种定性与定量分析相结合的确定权重系数的分析方法，具有较强的科学性和合理性。

二是从运用AHP法计算权重的结果看，酒店产品质量中，设施环境是基础，服务质量是核心，员工素质和管理水平是保证，硬件水平在酒店产品质量有着非常重要的作用，这与其他文献中阐述的过分强调服务质量影响顾客的满意程度说法有所不同。

三是无论是顾客的满意度评价，还是专家的专业评分，结果均显示该酒店处处将顾客视为酒店关注的中心，同时十分关注顾客的核心利益，如布草干净舒适度U133、服务的主动性U221、清洁卫生U231和安全措施U232等指标得分都比较高。通过计算得出该酒店产品质量为“等级一”的结果，这与酒店评星部门对该五星级酒店年审复核合格情况相符，说明结果比较客观。

四、结论及应用前景

本文中酒店产品质量评价指标体系是从顾客角度出发设定的，并采用了层次结构分析, 对每一层因素应用模糊综合评判的方法进行评价, 综合考虑了各种因素的影响, 减少了评价过程中的主观性和偏颇性, 保证了评价的可靠性和准确性。其层次结构的划分、评价指标的确定以及各指标的权重系数，还可以根据评价的侧重点进行一定的调整、细化, 使其更加科学、合理。而且这种方法运作步骤、评判规则简单明确，因此，在实践中具有较强的可操作性和较高的应用价值。作为一家酒店运用该方法，可以对目前酒店产品质量状况进行静态分析，并结合其他方法如问题树法来分析存在问题的原因和通过PDCA法（计划、执行、检查、处理）来解决问题；还可以对不同时期评判结果进行动态的质量变化分析，为酒店管理决策层改进硬件、提升软件等方面提供决策依据。作为行业管理机构（如各地旅游局）或行业组织（如酒店协会），通过这种方法得出的结果可以了解到市场对酒店的客观评价，还可以通过此方法得出同类同档次酒店的评判结果进行横向比较，排出产品质量的高低名次或评出标杆单位。

参考文献：

[1]陈文生:酒店督导管理10讲，福建人民出版社，2006，76～78，153～158

[2]邹益民:酒店整体管理原理与实务，清华大学出版社，2004，127

[3]高中文宋伟伟:一种基于AHP的教学质量评估方法，信息技术，2006年第12期，47～49

[4]朱沆汪纯孝:饭店服务质量管理重点分析，系统工程理论方法应用，1999年第8卷第2期，60～65

篇7

关键词 KNN算法；Bayes算法；组合分类器；互信息；交叉验证

中图分类号 O213；TP18 文献标识码 A

1 引 言

电子商务的异军突起促使网购走进人们的日常生活，网购的同时，多数网民会在不受约束的情况下对相关产品发表评论，而这种随意性往往使得这些产品评论中充斥了大量无用的、不真实的信息，这些信息就是垃圾评论.垃圾评论在一定程度上影响了评论信息的参考价值，从而误导潜在消费者并干扰销售商对销售业绩的评价.产品垃圾评论的识别旨在解决这一问题，将垃圾评论从评论文本中剔除，保留真实的产品评论，为用户提供可靠的参考依据.

结合近几年垃圾评论识别的文献可知，垃圾评论识别的关键问题是文本特征的提取与分类算法的选择.N Nitin Jamal和Bing Liu等[1]首次对垃圾评论进行了分类，很好地识别了英文领域中存在的无用评论，但由于中英文之间存在差异，往往英文领域的垃圾识别方法不能直接有效地应用到中文领域当中.游贵荣等[2]提出了中文垃圾评论的特征提取方法，邱云飞等[3]、吴敏等[4]、李霄等[5]分别从用户行为、产品特征的显著性检验以及信息的有用性角度对垃圾评论的识别进行了研究，但在分类器的选取上，上述学者均采用单一算法的分类模型，如单一的Logistic回归算法等.大量的理论与实验结果表明，多分类器系统不但可以提高分类的正确率，而且可以提高识别系统的泛化能力和鲁棒性.与此同时所有分类器都参与集成的效果并非最好，从众多分类器中选择部分互补性强的分类器进行集成可以提高集成的效率并改善其效果[6].因此本文在建立文本特征表示模型的基础上，提出了用高互补性组合分类器对评论进行识别和过滤.

2 文本特征的提取

2.1 产品评论的特点与垃圾评论的分类

为了更准确地识别垃圾评论，首先探讨产品评论的特征.

通过对中文产品评论中的评论文本进行分析，总结出中文产品评论领域的特点主要体现在以下几个方面：

1）评论文本格式自由多样；

2）评价对象的多样化；

3）评论内容具有近似重复性；

可分为①由不同评论者针对同一产品发表的近似重复评论；②由同一评论者针对不同产品发表的近似重复评论；③由不同评论者针对不同产品发表的近似重复评论；

4）不真实评论；

5）广告；

6）不带有感彩的随机文本.

基于以上分析，将垃圾评论定义为以下5种类型：-

1）非指定产品的评论：该类评论的特点为它虽然是评论，但只对品牌和制造商，甚至是站点评论，而没有针对当前产品本身进行评论，或者确实是对产品进行了评论，但是评错了产品.如在苹果手机的评论中，“买SONYZ3也不错啊，很漂亮，旗舰机...”等

2）虚假评论：如“我这有全新的iPhone6 Plus，只要99元”等.

3）广告评论：如“苹果超爱大屏幕3 500元拿现货QQ热购122929079”

4）无意义文本：

①个人的消费经历，如“再烂都永远有人疯抢，飘扬过海甚至成为一部手机，实在不懂.”②人身攻击，如“用苹果的都是脑残”等，③其他无关文本，如“信号不好等”“转给我呗？”

5）咨询性评论：只是询问关于产品的情况，而不是评论.如“多少钱呢？”.

2.2 特征提取与量化

为了建立产品垃圾评论识别模型，根据2.1节的分析结果，分4个模块对产品评论文本进行特征提取与量化.

模块一 数据的搜集

本文采用WebHarvest网络爬虫对京东商城和天猫商城内多个商家的iPhone 6 Plus的产品评论进行爬取，得到由两万条产品评论组成的数据集A0，同时对苹果官网上关于iPhone 6 Plus的产品参数进行爬取，得到产品属性数据集B0.

模块二 对爬取的数据集进行预处理

1）构造用户词典.用户词典包括停用词词典、极性词词典，其中极性词词典主要是由HowNet极性词加上一些评论作者常用的、和表达情感有关的网络流行词，及一些口语化的词语与缩写组成，用以表达用户褒贬倾向和感彩.停用词词典由网络上现有的停用词词表加上针对垃圾评论特性的停用词组成[7-9].

2）文本分词.中文单词是评论信息处理的基础，分词工具采用中科院提供的分词工具ICTCLAS 2015分词系统[10]，其主要功能包括中文分词、词性标注，同时允许用户向系统中导入自定义词典以提高特定领域的分词效果，因此，将上述用户词典与产品属性数据集B0作为自定义词典导入ICTCLAS分词系统后，对数据集进行逐条分词、词性标注以及情感词标注，得到预处理后的数据集A.

模块三 特征的互信息检验

为了选取最能表达文本信息内容的特征，本文从被评论的商品、评论者、文本结构、情感倾向、主题词五个属性提取特征，在提取特征之前，先利用互信息说明这5个属性对识别垃圾评论具有显著相关性.-

互信息是2个事件集合之间的相关性，通常用来衡量某个属性和类别之间的统计独立关系，互信息量越大，代表特征项与类别之间的贡献概率也越大.现对所选特征进行互信息检验，旨在说明所选属性能在一定程度上反应该条评论的信息，即所选属性项是互信息量较大的词条，互信息（MI）定义如下

2）高互补性分类器

高互补性分类器组合的构建流程大致为：首先构造一定数量的候选分类器如Bayes分类器、KNN分类器、SVM分类器和logistics回归分类器等，计算分类器之间的相关程度，然后根据相关系数对候选分类器进行排序，并依据可信度，选择出对目标有较高识别率的分类器组合.

首先，验证单一算法分类器的局限性.利用数学软件MATLAB，对其进行基于多层BP网络的识别模式的标记，对上述四种分类器用SPSS比较其准确率，召回率以及Fmeasure值.得表2.由表2，垃圾评论识别的准确率相对偏低，不少数量的正常评论被识别为垃圾评论；其召回率也不高，直观来看是有些垃圾评论被判别为正常评论.可见单一分类算法的过滤效果并不理想，本质原因是分词的不准确性使得评论文本特征有限的缺点充分暴露，以致于对结果的准确性产生很大影响，而且Bayes分类器要求各个特征项之间相互独立，这显然于现实不符.同时也从侧面说明单一算法的分类器对数据量要求很大，需要对较为完备的训练集特征进行学习[6].

为了更准确地进行垃圾评论识别，本文对各分类器进行组合，得到高互补性分类器.根据高互补性分类器组合理论，利用相关系数对上述4种分类器的互补性进行分析，即相关系数大的分类器组合互补性弱，相关系数小的分类器组合互补性强.

利用SPSS软件对其进行相关分析，见表3.

由表3，相关系数的大小排序为：

SVM+Bayes>SVM+KNN>Bayes+LR> LR+KNN>LR + SVM>Bayes+KNN.

其对偶命题互补性排序为：

SVM+Bayes

LR+KNN

可见Bayes分类器和KNN分类器的相关性最低且显著性均大于0.01，即可认为他们之间的互补性最强，存在统计学意义.而SVM分类器和Bayes分类器的相似度较高，且显著性大于0.01，认为存在统计学意义.为了进一步验证这4种分类器的互补性，对这6个组合进行聚类检验.

用SPSS软件对其进行聚类分析，结果见表4

由上可知，互补性最强的组合分类器为Bayes+KNN分类器.

3.4 模型的交叉验证

本文利用WebHarvest爬虫从天猫和京东商城爬取了20 000条评论作为原始数据集A0，将构建好的用户词典与产品属性数据集B0导入ICTCLAS 2015分词系统后，得到预处理数据集A，对A中的每个数据类型进行人工标记，再随机地将其等分成4份得到A1、A2、A3、A4.

先以数据集A1为检验集，A2，A3，A4为训练集，计算模型的性能指标.首先将数据集A2，A3，A4的特征向量导入Bayes+KNN组合分类器对其进行训练，然后将检验集A1的特征向量导入到已训练好的分类器中，得出检验集中相应评论是非垃圾评论还是垃圾评论，最后根据分类器对每条评论判定的结果以及人工标记，计算该训练集和检验集组合下，分类器的性能指标.用同样的方法得到依次以A2、A3、A4为检验集的分类器的性能指标，相关结果见表5.-将上述3个评价值平均得，基于KNN算法和Bayes算法的垃圾评论识别模型的最终准确率达到75.3%，召回率为82.1%，F1值为77.5%，结果较为理想，有应用价值.

4 结束语

垃圾评论识别的关键问题是文本特征的提取与分类算法的选择.本文根据中文评论的特点提取了14个特征，并利用组合分类器算法对垃圾评论进行了识别，得到了较理想的结果.通过搭建基于Hadoop的大数据平台集群，本模型可推广到一个基于通过海量数据集进行训练的垃圾评论问题，从而实现此模型适用于更一般产品的垃圾评论的检测目标.-

参考文献

[1] N JINDAL， B LIU.Opinion spam and analysis[C]//Proceedings of the first ACM international conference on Web search and data mining，2008：219-229.

[2] 游贵荣，吴为，钱V涛.电子商务中垃圾评论检测的特征提取方法[J].情报分析与研究.2014，251（10）：93-100.

[3] 邱云飞，王建坤，邵良彬等.基于用户行为的产品垃圾评论者监测研究[J].计算机工程.2012，38（11）：254-257，261.

[4] 吴敏，何珑.融合多特征的产品评论识别[J].微型机与应用.2012，31（22）：85-87.

[5] 李霄，丁晟春.垃圾商品评论信息的识别研究[J].现代图书情报技术.2013，29（1）：63-68.

[6] H J KANG，D DOERMANN.Selection of classifiers for the construction of multiple classifier systems[C]//Proceedings of the 8th- international conference on Document Analysis and Recognition. Seoul， Korea， 2005，1194-1198.

[7] 知网[DB/OL].HowNet Knowledge Database[DB/OL].[2013-11-05]. http：/// .

[8] 赵文婧.产品描述词及情感词抽取模式的研究[D].北京：北京邮电大学计算机学院，2010.

[9] 顾益军，樊孝忠，王建华.中文停用词表的自动选择[J].北京理工大学学报.2005，25（4）：337-340.

[10]ICTCLAS 汉语分词系统 （ICTCLAS Chinese Lexical Analysis System [CP/OL].[2015-10-05].http：///.

篇8

（1华中师范大学湖北省电子商务研究中心 湖北 武汉 430079

2华中师范大学信息管理学院 湖北 武汉 430079）

摘 要：界定商品虚假评论的概念、称谓和效用度量，总结了虚假评论形成与影响机制，包括虚假评论形成的影响因素以及虚假评论对消费者的影响研究。虚假评论形成和影响机制应结合内部、外部环境，构建全面的理论框架。

关键词 ：在线商品；在线评论；垃圾评论；虚假评论

中图分类号：TP391 文献标识码：A doi：10．3969／j．issn．1665－2272．2015．14．016

*基金项目：国家大学生创新性实验计划（A类）基因项目“在线商品评论信息形成机制的实证研究”（项目编号：A2014080）。

收稿日期：2015－04－22

随着B2C电子商务模式的日趋成熟，当在网络上做出购买商品和服务的决策前，消费者已经开始严重依赖于相应的在线商品评论。有效的在线商品评论为市场提供了一个有力的校正机制，并以此帮助和促进市场商品的质量的提升。然而，由于存在利益或名誉上的诱惑，一些组织和个人利用网络信息监管制度的缺失，大量虚假评论从而达到误导消费者和获取自身利益的目的，严重地危害了网络购物环境和秩序。因此对在线商品虚假评论的定义、称谓、效用度量进行界定，综述在线商品虚假评论形成的影响因素及虚假评论对消费者的影响情况，对后续的研究具有重要的借鉴作用。

1 基本概念

1．1 虚假评论的定义

最先提出在线商品虚假评论概念的学者是Jindal教授，他们将虚假评论定义为三种类型：一种是不真实的评论，指故意误导消费者或评论识别系统，目的是蓄意提高或毁坏产品的声誉，具体包括宣传性评论和诽谤性评论；一种是不含观点的评论，指评论中并不包含作者的观点；一种是只与品牌有关的评论，指评论的内容不是直接关于产品的评价而是关于该公司或者供货商。随后Luca等学者基于Jindal的定义又增加了偏离主题的评论这以概念，指评论虽然属于该类型产品的评论，但是和商铺销售的产品无关，如产品是苹果手机，评论却关于三星手机。

1．2 虚假评论的称谓

国外学者从商品垃圾评论属于商品观点中的垃圾观点出发，称其为opinion spam和review spam；从商品垃圾评论固有的欺骗性质出发，称其为fake review；从商品垃圾评论是由人工产生的途径出发，称其manipulative review；从商品虚假评论被用于迷惑其他消费者的用途出发，称其为deceptive review和suspicious review。与此不同的是，国内学者大多从商品虚假评论的欺骗性质出发，直接称其为虚假评论。也有少部分学者沿用国外学者的叫法称为垃圾评论，但这一称谓在国内总体使用度不高。原因是垃圾评论在国内是一个更为广义的概念，包括博客中的垃圾评论、社交网站中的虚假评论、论坛中的虚假评论、在线购物网站中的虚假评论，“虚假评论”则特指在线购物网站中的虚假评论。

1．3 效用度量

对于评论效用的度量，需要考虑评论的可信度和有效性。可信度指信息被信任的程度，强调评论真伪性的辨别，即评论人提供的信息被接受者认可的程度。评论有用性是评论对读者潜在的帮助价值，即评论的效用价值。评论有用性的研究包括有用性影响因素研究和基于效用的推荐排名研究两方面，通过预测评论的效用价值，提取出效用更高的真实评论或依据评论内容对消费者进行个性化推荐。现阶段学者主要以消费者利用他人评论后购买的产品是否满意为标准来判断评论是否有用。如图1所示，在虚假评论识别中通过可信度筛选出一部分虚假评论1，再通过有用性为指标筛选出剩余的虚假评论2，有用的评论则作为辅助消费者正确购买的效用价值高的评论。

2 虚假评论形成与影响机制

2．1 虚假评论形成的影响因素研究

Luca等研究了关于酒店的在线评论，通过分析Yelp虚假评论识别系统认定的虚假评论，发现了三个规律：当酒店的名誉排名靠后时更易实施虚假评论的行为；连锁店不易实施虚假评论行为；当酒店竞争激烈时，更易向竞争企业虚假评论。由此得出商家实施虚假评论行为是出于竞争和名誉的诱因而不仅仅是商家的不道德。孟美任等进一步采用实证分析的研究方式，对淘宝网上18家网店的评论进行为期一年的追踪分析，同时线下调研20个商家，总结出四个方面的动机：推销、诋毁、干扰、无意义。即商家出于增加商铺销量的目的推销评论；同行竞争者出于不良商业竞争诋毁评论；商家关于其他方面的广告宣传及链接属于干扰评论；顾客出于敷衍、奖励机制、单纯发泄情绪而的评论属于无意义评论。因此，如图2所示，笔者将虚假评论的动机总结为三个方面：一是商家出于推销、广告的目的对购买商品的客户虚假评论；二是客户出于敷衍、奖励机制、发泄情绪的目的对商家虚假评论；三是商家之间出于不道德、不良竞争的目的互相虚假评论。另外，非虚假的商品评论应该由购买该商品或服务的客户，我们将其动机总结为：分享欲望、社会互动、产品参与度。

2．2 虚假评论对消费者的影响研究

有些学者从在线评论的不同维度出发研究虚假评论对消费者购买决策产生影响。瓦瑜等通过实证分析的方法，证实了评论者专业性、可信性，评论质量、评论量、评论效价通过产品感知价值对消费者的购买意愿存在正向影响；消费者专业性通过产品感知价值对消费者的购买意愿存在负向影响。郑小平等发现评论内容的质量、评论者信誉度、评论数量会产生促进影响，宁连举等详细为评论情感负面程度、评论内容相关性、评论内容专业性、评论数量会正向影响消费者浏览网站时的感知风险，进而影响其购买意愿。刘丽等具体研究了体验型产品的负面在线评论，补充了评论长度、评论表达方式对消费者感知风险均有显著影响。

有些学者对影响在线评论发挥效力的诸多因素进行了重要程度研究。瓦瑜等发现感知价值对消费者购买意愿存在中介作用，评论质量、评论量、评论效价通过产品感知价值对消费者影响程度最高。刘丽等认为评论内容对感知风险的影响最大，同时证实对于负面在线评论相似性对感知风险的影响有正向显著作用。周晶晶等问卷调查后的排序结果依次是评论的数量、评论者的信誉度、评论内容的质量和评论的效价。总体来看，虚假评论属于商品评论，会通过以上诸多因素作用于消费者的购买决策，但是直接关于虚假评论对消费者购买决策以及商家商品销量的影响的研究仍有待完善。

3 结语

当前关于在线商品评论的形成与影响机制研究缺乏统一的研究框架和通用的概念模型，且现有的研究成果比较零散，绝大部分的研究范围仅局限于特定问题，研究成果缺乏通用性和系统性。

因此，今后对虚假评论形成机制的研究，不仅仅从心理角度出发进行消费者、商家间的动因分析，而且可从虚假评论者形成虚假评论的顺序出发，将形成机制分为三步骤：评论构思阶段、评论写作阶段、评论发表阶段。评论构思阶段级，指用户在脑海中形成评论内容的时期，可研究其他评论信息、用户的心理状态、用户的情感倾向等对用户构思的影响；评论写作阶段，指用户写作评论的过程，可研究用户个人习惯、用户评论动机、用户用语方式等方面；评论发表阶段，指用户点击发表评论，可研究商家的鼓励机制等影响因素。

参考文献

1 Luca M，Zervas G．Fake it till you make it： Reputation， competition， and Yelp review fraud［J］． Harvard Business School NOM Unit Working Paper，2013（6）

2 孟美任，丁晟春．虚假商品评论信息者行为动机分析［J］．情报科学，2013（10）

3 瓦瑜，汪蕾．在线评论对消费者购买意愿的影响研究——基于信息传播的视角［D］．杭州：浙江大学，2014

4 郑小平．在线评论对网络消费者购买决策影响的实证研究［D］．北京：中国人民大学，2008

5 宁连举，孙韩．在线负面评论对网络消费者购买意愿的影响［J］．技术经济，2014（3）

篇9

关键词：在线评论挖掘；半监督聚类；半监督分类

中图分类号：TP391.1 文献标识码：A 文章编号：1007-9599 （2012） 20-0000-02

1 绪论

Web2.0 的迅速发展使得越来越多的用户有机会参与网络互动之中，由单纯的网络内容的浏览者，变成了网络内容的创造者。博客、微博、论坛、BBS、讨论组、评论网站等为用户提供了自由发表意见的平台。在电子商务领域中，用户的互动性则主要体现在用户对于已购买产品的在线评论。这些主观性的评论文本反映了用户针对产品或服务的直接用户体验和态度，蕴含着丰富的商业信息，对研究评论者的心理和行为有很大的帮助。

1.1 从消费者的角度来说：可以利用评论挖掘结果了解产品的性能和其他用户的使用体验，为购买决策起到很好的参考作用；电子商务网站对于评论挖掘结果的有效展示可以避免用户迷失在大量的在线评论文本中无法获得有效地信息。

1.2 从生产商的角度来说：生产商可以通过消费者的评论获得消费者的反馈信息，发现潜在的机会和风险，及时的改进产品或服务。另外也可以从竞争对手的产品反馈评论中获取商业情报，增强企业的竞争能力。

1.3 从经销商的角度来说，可以参考产品评论挖掘结果，更好的确定经销产品的范围、种类和数量。

2 在线评论数据的特点

网络评论可以给客户以及生产者，销售者带来有价值的产品信息与服务反馈，产品评论数据的一些特点以及挖掘中存在的问题如下：

2.1 评论数据量过大。随着网络的广泛应用，网络上的客户评论正在飞速地膨胀着。所以要从这些评论中获取准确的信息必须要结合机器，否则人工或者半人工的挖掘过程都是非常难以完成的任务。

2.2 非结构化数据。网络中的非结构化数据的语义获取还是非常困难的，需要人工智能，特别是自然语言处理等多个学科的共同努力。

2.3 更新速度快。不论是数量还是风格，在线评论数据变化很快。传统的机器学习方法中分类技术利用监督型分类，需要语料训练分类器，这样在一些环境和因素下，分类器需要使用更新数据集重新训练，实施具有一定的困难，结果可能不准确。

2.4 获得大量的类别信息成本较高，但是可以以较低的成本获得少量的类别信息。

针对在线评论数据的特点及存在的问题，我们将半监督学习方法应用到在线评论数据挖掘中。

3 半监督学习简介

在机器学习领域中，传统的学习方法主要包括监督学习和无监督学习。半监督学习（Semi-supervised Learning）是近年来模式识别和机器学习领域研究的重点问题，是监督学习与无监督学习相结合的一种学习方法。它主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。半监督学习对于减少标注代价，提高学习性能具有非常重大的实际意义。

3.1 半监督聚类。所谓聚类，是把大量的无标记数据样本聚集成多个类，使同一类中样本的相似性最大，不同类中样本的相似性最小。聚类算法已被广泛应用于计算机视觉、信息检索、数据挖掘等领域.聚类算法在执行过程中不能获得任何关于预先定义的数据项的类别信息，因而通常被看作是一种无监督学习方法。由于没有利用任何关于类别的信息，当所定义的聚类目标函数不适合数据本身时，数据聚类结果将不能令人满意。另外，聚类定义的任意性有可能产生对于实际问题没有任何意义的聚类划分。

尽管对于现实世界问题要获得所有数据的类别信息需要付出相当大的代价，少量样本的类别信息还是比较容易获得的，忽视这些少量样本类别信息将是很大的浪费。半监督聚类充分利用成对约束信息或少量已标记数据指导聚类，同时能够利用大量无标记数据所蕴含的分布信息，获得更好的聚类效果。实验证明，少量信息能够很大程度的改善聚类效果[1-4]。

半监督聚类已经被广泛的运用到网页检索和文本分类、医学数据等一系列领域中，在理论和实际研究应用中都获得了长足的发展。

3.2 半监督分类。传统的分类方法属于有监督学习，主要分为两个过程：训练过程和分类过程，通过对已标记样本的训练学习，确定分类器的参数，然后用训练好的分类器对未标记样本进行分类。在训练过程中需要大量的训练样本即已标记样本才能训练出较好的分类器。

半监督分类主要利用少量的标记样本进行训练，然后开拓大量的未标记样本，不断迭代，最终得到一个较为准确的分类器。半监督分类问题目前有三种主要的技术：基于生成式的模型、基于图正则化框架的模型和基于协同训练的模型[5]。

4 在线评论挖掘的主要任务

在线评论挖掘就是对互联网上大量的用户主动发表的评论文本，采用自然语言处理技术和数据挖掘方法挖掘出有用的信息以支持决策。一般可分为针对文档、句子、词语三种不同粒度水平。在线评论挖掘分为以下几个子任务[6]：

4.1 产品特征提取。络客户评论中的产品特征挖掘是指通过机器学习方法从大量的网络客户产品评论中自动地获取用户所关注的产品特征信息。

4.2 情感分类。情感分类以客户在互联网上的产品评论为研究对象，挖掘客户的情感倾向，从而自动判断该评论的极性，即正面评论或负面评论。通过对大量客户评论的情感分类，可以综合得出这些客户对该种产品或服务的普遍看法。

4.3 可视化。指将评论挖掘的结果以直接、明了的方式展现给用户的过程。

5 基于半监督学习的在线评论数据挖掘模型

基于以上分析，本文给出了一个在线评论数据挖掘模型，主要包括数据收集和预处理、情感分类、产品特征提取和可视化四个模块，具体过程如图1所示。

图1.基于半监督学习的在线评论数据挖掘模型

5.1 数据收集和预处理模块。数据收集过程是指从电子商务网站收集在线评论数据的过程。采集工具选用神采软件工作室出品的《网络神采》共享版，《网络神采》是一套专业的网络信息采集系统，通过灵活的规则可以从任何类型的网站采集信息，如新闻网站、论坛、博客、电子商务网站等等。在互联网数据挖掘、网络信息监控、文件批量下载等方面有着广泛的应用。

文本预处理过程主要包括：在线评论记录的过滤，过滤质量不高的评论，如标题中只有符号没有文字的评论；过滤掉过短的评论（字数小于50），因为过短的评论往往用词比较概括，不包含具体的产品特征，信息含量不大，在产品特征提取过程中可以忽略。对于在线评论集合进行分词和词性标注，采用中国科学院计算机所软件室编写的基于多层隐马尔科夫模型的中文分词工具 ICTCLAS（Institute of Computing Technology，Chinese Lexical Analysis System）；对记录进行降维处理，同义词合并，删除停用词等。

5.2 产品特征提取模块。提取静态数据集上的用户关注产品特征：使用半监督聚类算法对预处理后的文本数据集进行聚类，产生多个类别，不同的类别蕴含着不同的产品特征。对聚类的得到的每个类别进行高频词分析，找出这些产品的主要特征，并根据词频的高低区分不同产品特征信息的受关注程度。

提取时间序列数据集上的用户关注产品特征：将半监督聚类算法应用到时间序列的在线评论文本数据集中，从而获得用户关注的产品特征趋势。分析用户关注产品特征随时间变化的趋势，观测用户对于产品特征的兴趣所在，为产品和服务的改进提供参考依据。

5.3 情感分类模块。提取静态数据集上的用户情感倾向：使用半监督分类方法对预处理后的文本数据集进行分类，获得评论集中每条记录的情感极性-正面评论和负面评论，从而获得用户对于产品的整体情感倾向。

提取时间序列数据集上的情感倾向：将半监督聚类方法应用到时间序列在线评论文本数据集上进行情感分类，从而获得用户情感趋势。分析用户情感倾向随时间变化的趋势，监测用户的情感变化，以支持电子商务企业的销售决策。

5.4 可视化模块。可视化模块是指将在线评论挖掘的结果进行直观的展示的过程，以人们惯于接受的图像、图形、表格等形式将挖掘结果表现出来，便于理解和记忆。

针对用户的可视化展示主要包括在电子商务网站上增加在线评论挖掘的展示模块，帮助用户进行更好的购买决策，根据客户需求改变产品展示平台，构建推荐系统，提高商务效率。例如好评率的展示、用户关注特征排序、评论有用性排序等。

针对企业的可视化展示主要是将产品评论挖掘结果以便于支持管理决策的形式展示。例如针对挖掘出的产品特征进行进一步的分析整理，展现层次性的产品结构特征；针对情感分类结果，从绝对数值和相对比例等角度进行情感倾向的图形化展示，便于企业发现潜在的机会和风险，从而帮助他们改进产品、改善服务，获得竞争优势。

参考文献：

[1]KiriWagstaff，Claire Cardie，Seth Rogers，Stefan Schroedl.Constrained K-means Clustering with Background Knowledge[C].CML，2001，577—584.

[2]A Demiriz，KP Bennett，MJ Embrechts.Semi-supervised clustering using genetic algorithm[J].rtificial neural network in engineering.1999：809—814.

[3]Basu S，Banjeree A，Mooney RJ.Active semi-supervision for pairwise constrained clustering.Proceedings of the 2004 SIAM International Conference on Data Mining，Florida，2004：333-344.

[4]李雪梅，王立宏，宋宜斌，一种混合约束的半监督聚类算法，模式识别与人工智能，2011，24（3）

篇10

企业只有更大力度地宣传推广自己的产品品牌，树立良好的互联网品牌形象才能率先抢占更多的市场份额，而网络品牌推广正是凭着高效便捷的推广方式和颇具价值的信息反馈制度，让企业最终选择了它。“在商品推广方面，我们更倾向于成本更低、效果更显著的网络推广方式”，誉锋网络口碑系统创始人钟誉锋先生介绍说，在众多网络推广方式当中，他极力推荐新闻营销。那新闻营销究竟有什么无法比拟的优势?

1.引导消费于无形

网上有很多产品评论，内容或是关于产品质量的或是关于商家服务质量的，比比皆是。其实在消费者看评论的时候早已经进入了商家们“设计”好的圈套，评论会一点点的引导你去记住这个产品，从而影响你的消费行为，譬如，人都有一种炫耀的心理，茶余饭后总会和朋友提起一些最近的所见所闻，产品评论成为了他们的谈资，这就达到了口碑营销的效果。

2.网络品牌宣传有效

说到上面的口碑营销，其实也是在进行一种网络品牌推广宣传的过程，一个广告有的时候会让我们记住一个品牌，但可能很快就忘记了，如果一个品牌和一些事情联系在一起，会让我们记得特别深刻。网络品牌推广中的新闻营销就是凭借这点以及庞大的人流媒体得到有效传播最后达到一种网络品牌营销功效。

3.周期长，价格低