基于最小风险贝叶斯决策理论的在线评价排名方法研究

摘要

随着电商模式不断发展和完善,在电商平台上出售的商品种类持续增加.消费者在做出购买决策之前,通常会参考其他消费者发表的在线评论.目前,电商客户评论中的好评与差评的权重风险是相等的,当顾客进行产品购买时会存在评论误判风险.针对好评与差评的权重风险相等的不足,本文提出了一种基于最小风险贝叶斯决策的评价排名方法.提出的方法首先利用网络爬虫语言抓取所有商品累计评论,形成TXT文档;然后根据已有的停用词词典,对生成的TXT文档进行文本预处理,并进行关键词的提取,通过关键词的分类将每一条评论生成一个文档,获得关键词权重;最后利用最小风险贝叶斯决策模型获得风险权重排名,并以天猫为例,与已有排名数据进行比较.提出方法新获得的排名为最小风险权重下的商家排名,有助于顾客在进行高风险商品购买决策时根据不同风险偏好,获得最优购买决策.