基于DDAG-SVM的在線商品評論可信度預測研究.pdf

1、在線商品評論作為一類重要的電子口碑，大大地降低了消費者與在線商家之間的信息不對稱程度，在消費者的在線購物活動中發(fā)揮了重要作用。但當前大數(shù)據(jù)環(huán)境下，很多熱門產(chǎn)品評論數(shù)量多達數(shù)萬甚至數(shù)十萬，并且質(zhì)量參差不齊，這給消費者通過閱讀電子口碑來降低對產(chǎn)品或服務的不確定性帶來了嚴重的“信息過載”困擾。因此，本文在分析在線商品評論可信度影響因素的基礎上，基于決策導向無環(huán)圖支持向量機(Support Vector Machine Based Decisi

2、on Directed Acyclic Graph,DDAG-SVM)模型實現(xiàn)了對在線商品評論可信度的預測。
　　本文首先從消費者在線購物后發(fā)布自身對商品或服務意見的動機研究入手，并梳理了該行為對其他消費者在線購物活動及整個電子商務交易活動的影響，接著分別從評論可信度研究，評論意見挖掘研究以及文本分類研究等幾個方面展開綜述。然后對虛假在線商品評論形成過程中的4類形成路徑主體，6種形成路徑進行了詳細地分析，并得到了各類虛假評論的主要

3、特點。由此從評論內(nèi)容、在線評論者特征和商家特征三個維度確定了在線商品評論可信度的10個影響因素指標，其中基于細粒度的商品屬性情感傾向離群度計算是本文的重要創(chuàng)新點之一。接著，本文在這10個特征指標向量的基礎上提出了基于DDAG-SVM的在線商品評論可信度預測模型。最后，本文基于MATLAB以及LIBSVM，利用淘寶平臺近5000余條數(shù)據(jù)集對該模型的準確度進行了對比測試，達到了93.687％的平均分類準確率。實驗表明，該模型具有較高的準確率