導語：如何才能寫好一篇產品評論，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

摘　要：通過對目前通用的搜索引擎是否適合用于產品評論信息的搜索的討論和對目前網絡產品評論數(shù)據處理的需求分析，探究產品評論檢索系統(tǒng)的系統(tǒng)結構和工作流程。

關鍵詞：產品評論檢索；極性分類；網絡爬蟲

1 引言

隨著信息技術的不斷發(fā)展和深化，網絡基礎設施的不斷完善，如今互聯(lián)網已經滲透到社會生活的方方面面，成為大部分人日常生活不可缺少的重要交流工具和信息來源?；ヂ?lián)網技術的普及大大縮短了人與人之間的距離，促進了電子信息資源的積累，加快了社會經濟運行節(jié)奏，為行業(yè)發(fā)展和技術進步提供了新的機遇和挑戰(zhàn)，各種各樣的新興應用、新技術隨著新需要應運而生，推動了互聯(lián)網技術本身日新月異地向前發(fā)展，其中典型的應用有電子商務、即時通訊、網絡社區(qū)、博客等。產品評論信息是隨著電子商務、網絡社區(qū)等的發(fā)展出現(xiàn)的，通常是由消費者作出的對某一產品的外觀、質量、性能、價格等商品屬性好壞情況的判斷，隨著互聯(lián)網應用參與的日益廣泛，產品評論信息越來越多地出現(xiàn)在博客、社區(qū)或購物網站上.俞勇等 譯. 北京:清華大學出版社2009(4):6-8.

篇2

〔關鍵詞〕內容分析法；客戶評論；影響因素；網絡產品；銷售量

DOI：10.3969/j.issn.1008-0821.2013.09.008

〔中圖分類號〕F7246〔文獻標識碼〕A〔文章編號〕1008-0821（2013）09-0044-05

Web2.0時代的到來，使用戶從單純的信息接受者變成了信息者。Web20這一平臺也改變了消費者表達觀點和看法的方式——他們可以在購物網站、博客、論壇中發(fā)表自己的購物體驗，對商品和服務進行評價。這些評論不僅僅有助于其他顧客了解產品和服務的口碑，幫助做出可靠的決策，還可以作為反饋機制幫助生產商和銷售商提高產品質量，優(yōu)化營銷策略，從而提高競爭力。目前國內外的研究主要集中在產品評論的有效性和影響因素分析兩個方面。

篇3

關鍵詞： 在線評論；新技術產品；采用意愿

中圖分類號：F713 文獻標識碼：A 文章編號：1001-8409（2014）02-0096-04

1 引言

信息技術的發(fā)展使得新技術產品在人們日常生活中開始廣泛應用。但由于新技術產品具有技術性強、復雜度高、價格不菲等特點，消費者在沒有外界信息的輔助下，很難完全了解產品的主要功能和對產品產生興趣。而社會化媒體的興起為消費者提供了了解新技術產品知識的信息平臺。互聯(lián)網將孤立的個體聚集成一股不可忽視的力量，被網絡連接的消費者突破了時間和空間的限制，進行著更為方便和快捷的交流，消費者的意見和體驗對其他潛在消費者的影響與日俱增。在線評論是一種新興的信息媒介，指網絡用戶用文本形式對商品使用經歷的描述與評價[1]。對潛在消費者而言，這些信息能增強對產品的全面了解和消除購買的不確定，比企業(yè)自身的信息更具價值。研究表明，在線評論對消費者購買高價格的科技類產品影響最大，因為科技類產品一般價格較高、功能復雜，因而消費者對該類產品的搜尋比較時間也長，對以往購買者對該類產品評價的考慮也會越多。超過半數(shù)的該類產品受到在線評論信息的影響。

但在線評論的哪些屬性會影響消費者采用新技術產品，在線評論對消費者有哪些方面的影響，影響機理是什么？目前鮮有研究。因此，本文基于ELM視角，構建在線評論對新技術產品消費者采用意愿的雙重路徑模型，深入研究在線評論對消費者新技術產品采用意愿的影響機理，從而對我國創(chuàng)新技術型企業(yè)使用在線評論開展新技術產品的推廣具有指導意義。

2 文獻回顧

2.1 精細加工可能性模型（ELM）

ELM是關于態(tài)度如何形成與改變的理論模型，它強調有兩條路徑來改變態(tài)度，一條是中樞路徑，受眾注重論據質量，對目標的信息認真思考，仔細分析整合，最終導致態(tài)度的形成或改變；另一條是路徑，個體依賴情感遷移、直觀推斷或其他自動的信息加工形成或改變態(tài)度。更多的時候，兩條路徑一起對消費者的態(tài)度發(fā)生影響。隨著社會化媒體的崛起，少數(shù)學者在ELM視角下探討用戶網上信任的形成[2]。而在網絡購物過程中，信息技術的發(fā)展使消費者能夠在互聯(lián)網上自由地表述對已購買產品的體驗，以及對產品價格、性能等特質的評定。因此，在線評論作為一種口碑信息，通過認知作用或說服作用影響著潛在消費者的心理和行為，但至今尚無學者深入探討在線評論如何通過不同的路徑影響消費者態(tài)度和采用意愿。

2.2 技術接受模型（TAM）

Davis的技術接受模型解釋了人們的計算機使用行為。TAM有兩個重要的影響態(tài)度的因素，即感知有用和感知易用。感知有用是指個體感知到的使用一個具體的系統(tǒng)能夠提升他的工作績效的程度；感知易用指個體感知到使用一個具體的系統(tǒng)不費周折的程度。在TAM中，感知有用和態(tài)度是行為意愿的重要前因，感知有用和感知易用是影響用戶態(tài)度的重要前因，而感知易用會影響用戶的感知有用，同時，感知有用和感知易用受外部變量影響。通過對以往相關文獻的分析發(fā)現(xiàn)，在TAM的兩個重要維度中，感知有用是一個很重要的變量，而感知易用的作用并不穩(wěn)定。TAM作為一個基礎模型，揭示了用戶接受各種信息技術的基本規(guī)律。眾多學者的研究多是根據探討內容的不同，借鑒TAM中的部分變量，并對其他變量作為調整，運用信任、感知風險等變量拓展了TAM的應用范圍。正如學者King等所指出的：TAM是個有用的模型，但在具體應用的過程中還需加入其他的變量。

2.3 在線評論

在線評論的研究處于探索階段，其定義國內外尚未統(tǒng)一，本文借鑒前人的經驗，結合本文的研究，將其定義為：大眾通過互聯(lián)網獲得的，先前的消費者主要以文本形式分享的，對商品質量、性能、使用體驗等的評價信息，包括評論者信息、評論內容和評論時間等組成部分。目前，國內外關于在線評論的研究主要集中在三個方面：評論的有用性、在線評論對消費者行為的影響以及在線評論對銷售的影響。綜上所述，在線評論有幾個重要的維度

（評論的數(shù)量、評論的形式、評論的傾向等）被學者深入探討，這些維度之所以被廣泛關注，是因為評論的數(shù)量起到了知曉的作用，越多的人探討某件商品，其他人知曉該商品的可能性就越大。評論的傾向、評論的形式等起到了勸說的作用，文本信息中包含的內容使閱讀者能選擇采納或放棄商品。盡管眾多學者深入挖掘了在線評論的維度，但現(xiàn)有研究僅僅局限于探討各個維度對消費者意愿或者決策行為的直接影響，而對消費者的心理作用機制尚未深入探討。

3 研究模型及假設

3.1 消費者處理在線評論的雙重路徑

評論的內容質量指評論內容的真實性、可靠性、與所評價產品的相關性以及是否為消費者提供了大量有用的信息。評論的形式是指根據評論文本的表達方式（包括評價暗示內容、語調和措詞）將評論內容劃分為客觀和主觀兩類。評論的傾向指對產品體驗正向或者負向的評價[3]。上述變量均是從信息特征出發(fā)，包含了產品屬性及相關內容的詳細信息，消費者可以從這些文本信息中了解并綜合分析產品是否有用。因此，在通過中樞路徑對消費者態(tài)度形成方面，本文采用評論的內容質量、評論的形式和評論的傾向3個因素。

評論的數(shù)量表現(xiàn)了產品的流行程度，因為它與產品的銷售量相聯(lián)系。評論的效價指在線評論的整體正負程度，是一種總體的口碑效價，即在所有在線評論中，當多數(shù)為正向評論時，總體評論效價為正，反之為負。評論者的資信度包括專業(yè)能力和可靠性兩個維度[4]。上述變量反映了他人對產品的立場，消費者容易受他人的影響選擇采納或者放棄產品。因此，通過路徑對消費者態(tài)度形成方面，本文采用評論的數(shù)量、評論的效價和評論者的資信度3個因素。

3.2 在線評論對消費者采用意愿影響的作用機理模型

國內外學者基于理理論、計劃行為理論、技術接受模型從不同的產品領域研究新技術產品的消費者采用。Davis開發(fā)的技術接受模型最初是用來研究信息技術，但是之后的眾多實證研究證明，它在解釋和預測其他新技術產品的接受上是同樣有效的。Sang-Hoon Kim等調查了社會對消費者創(chuàng)新采用的影響，基于TAM以社會規(guī)范、推薦者的影響力、推薦人的數(shù)量等社會因素構建了消費者的持續(xù)采用模型[5]。因此，本文基于技術接受模型，以在線評論的各個維度為外部刺激變量，構建網絡購物情境下新技術產品消費者采用意愿形成的模型。

高質量的評論內容與產品相關性強，消費者基于親身體驗公正描述了產品的具體特征和服務、物流等的具體情況，其提供的實際信息邏輯性更強，更具說服力。而說服力越強的評論對消費者的正向影響越大[6]。根據Ghose的研究，在主、客觀兩類文本對數(shù)碼相機等搜索型商品在線評論感知有用性的影響中，觀點評價的內容越多，評論的感知有用性越低。由于新技術產品屬于搜索型產品，因此，客觀事實型的評價更能給潛在消費者提供有價值的參考信息，使其能深入了解產品的有用性。Dellarocas等指出，人們更傾向于發(fā)表或關注極端評論而不是中間評論，但正向評論會給潛在消費者心目中樹立和強化產品的正面形象，提高潛在消費者對該產品的認知和評價。因此，正向評論中包含的信息會使?jié)撛谙M者更加了解產品而接納產品?；谏鲜鲇懻摚疚奶岢鋈缦录僭O：

假設1：評論的內容質量正向影響感知有用。

假設2：客觀事實型的評論形式正向影響感知有用。

假設3：正向評論正向影響感知有用。

從眾是指消費者在接受到他人的產品評價、購買意愿或購買行為的信息后，改變了自己的產品評價、購買意愿或購買行為，努力地與他人保持一致。Burnkrant等提出人們將群體成員對產品的評價和選擇作為自己購買選擇產品的信息來源。Huang等認為消費者網上購物時的從眾心理非常明顯。因此，消費者在網上購物時，會受到在線評論中他人的影響從而產生從眾心理。

在線評論的數(shù)量與產品的銷售量相聯(lián)系，它反映了產品的流行程度。而消費者常常選擇流行的產品，因為他們認為流行度代表了更好的質量。研究表明，消費者在網上購書時會選擇銷售量大的書籍[7]。因此，消費者根據在線評論選擇產品時強烈地受到其他消費者行為的影響。評論的效價反映了評論的整體正負程度。個人在購物時會迎合群體的態(tài)度與價值要求，即使此群體是個人與之接觸不多的參照群體。因此，潛在消費者會跟隨大多數(shù)人的行為從而降低自身的不確定性。消費者的心理不僅會受大多數(shù)人的影響，也會受少數(shù)人的影響。研究表明，對于論壇等級高、信譽高的評論者，消費者認為其更具專業(yè)水平，更能提供正確的信息，所以信任程度較高，更容易受到影響，并且更愿意主動搜尋相關信息作為參考?；谏鲜鲇懻摚疚奶岢鋈缦录僭O：

假設4：評論的數(shù)量正向影響從眾心理。

假設5：評論的效價正向影響從眾心理。

假設6：評論者的資信度正向影響從眾心理。

在大量解釋和預測用戶接受信息技術影響因素的研究中，不同程度地證明了TAM的實用性和有效性。結合本文的研究，在線評論傳遞的不僅僅是一條條的信息，而且提供了作為整體的信息，如評論數(shù)量、評論效價等，這些整體的信息特征反映了大多數(shù)人的認知和行為，從而引發(fā)了消費者的從眾心理，進而降低了消費者對新技術產品采用的復雜性和不確定性。同時，大量的研究表明從眾心理會增加消費者的購買意愿。因此，結合TAM和從眾心理，提出如下假設：

假設7：感知有用性正向影響態(tài)度。

假設8：感知有用性正向影響采用意愿。

假設9：從眾心理正向影響態(tài)度。

假設10：態(tài)度正向影響采用意愿。

3.3 概念模型

由以上假設及分析，形成了在線評論對新技術產品消費者采用意愿的概念模型，如圖1所示。

[PS，BP#]

4 研究方法

4.1 問卷設計

本研究參考了以往文獻中的成熟量表，評論的內容質量采用Dhanasobhon等的五條目量表來測量?？陀^事實型評論借鑒Applbaum等的測量量表，由三個條目組成。正向評論選擇Chan的三條目量表來測量。評論的數(shù)量根據Schubert的測量量表修正而來，由四個條目組成。評論的效價根據Chan的測量量表修正而來， 由三個條目組成。評論者的資信度借鑒了Chent等的三條目量表來測量[8]。感知有用根據Eriksson的測量量表修正而來，由三個條目組成[9]。從眾心理根據Lascu等的測量量表修正而來，由三個條目組成。態(tài)度根據Moon等的測量量表修正而來，由三個條目組成。采用意愿根據Cheong等的測量量表修正而來， 由三個條目組成[10]。同時，邀請幾位營銷專家和網購達人進行小規(guī)模的訪談，聽取意見修改形成本研究的調查問卷。通過預調研，刪除不合適的問項，形成本研究的最終測量問卷。本研究中，所有的測量都是采用李克特七點量表的形式進行的，其中1表示完全不同意，7表示完全同意。

篇4

[關鍵詞]餐飲企業(yè)產品創(chuàng)新競爭力模糊評價

近年來由于民營企業(yè)的迅速發(fā)展，中國餐飲市場的發(fā)展趨勢越來越呈現(xiàn)多元化和多層次的特點，從更寬廣的層面和更深的層次體現(xiàn)滿足消費者需求的發(fā)展趨勢。但由于經營理念、管理水平、服務意識以及經營環(huán)境等差異，餐飲企業(yè)仍然存在產品參差不齊、管理水平和服務意識跟不上企業(yè)的發(fā)展水平等問題。改革開放以來，由于外國餐飲企業(yè)的進入和中國本土餐飲企業(yè)的逐步發(fā)展壯大，競爭日趨激烈。餐飲企業(yè)作為一種“永遠的朝陽行業(yè)”，只有不斷進行創(chuàng)新來提高自身的競爭力，防范隨時發(fā)生的各種風險，才能保持良好的發(fā)展態(tài)勢。

一、產品創(chuàng)新對餐飲企業(yè)提高競爭力的影響

1.餐飲企業(yè)產品創(chuàng)新的內涵

經濟合作與發(fā)展組織從市場的角度將產品創(chuàng)新定義為：為給產品用戶提供新的或更好的服務而發(fā)生的產品技術變化。國內學者的觀點有的集中在產品的某一方面，有的是從某一角度出發(fā)來定義。歸納起來一般包括以下幾個方面：

(1)品牌創(chuàng)新，包括對產品的原料、烹飪工藝以及盛放炊具等創(chuàng)新；

(2)服務創(chuàng)新，包括對顧客提供標準服務、個和細節(jié)服務等；

(3)理念創(chuàng)新，包括企業(yè)文化、產品定位和產品文化等。

2.餐飲企業(yè)的競爭力的來源

餐飲企業(yè)的競爭力主要受到其經營的硬件設施、產品以及經營風格、理念對顧客的吸引力等因素的影響。根據科特勒的顧客讓渡價值理論，影響餐飲企業(yè)競爭力的主要因素包括：

(1)餐飲產品本身的價值，即它在顧客心目中體現(xiàn)出來的產品效用或產品性價比；

(2)餐飲產品附加價值，例如產品的適用性、用餐環(huán)境等；

(3)購買、消費產品所需付出的貨幣以外的成本，如時間、精力成本等。

3.產品創(chuàng)新對餐飲企業(yè)提高競爭力的影響

餐飲企業(yè)的產品創(chuàng)新，首先可以通過增加餐飲產品本身的價值，或改變產品的烹飪工藝等手段，提高消費者心目中的性價比，讓消費者通過比較，達到“物有所值”的效果。另外，通過產品創(chuàng)新，增加產品的適用性，改善或提供良好的、個性的用餐環(huán)境，使消費者感覺耳目一新，提高餐飲產品的附加價值。通過規(guī)范服務標準，或提供細節(jié)化的服務，充分體現(xiàn)“顧客就是上帝”的服務理念，節(jié)省消費者貨幣以外的時間或精力成本。

二、餐飲企業(yè)產品創(chuàng)新的模糊綜合評價。

1.餐飲企業(yè)產品創(chuàng)新的評價指標體系

從總體上看，以餐飲企業(yè)產品創(chuàng)新的內涵為基本評價指標體系，如表1所示。

由于餐飲企業(yè)產品創(chuàng)新的內容目前還沒有一個統(tǒng)一的標準，涉及的內容和方法很多。從影響餐飲企業(yè)競爭力的創(chuàng)新因素的角度出發(fā)，總結歸納國內學者和國外比較通用的觀點，大體上可以歸結為表1中的三大因素。餐飲企業(yè)產品創(chuàng)新的評價是一個比較復雜的問題，要綜合考慮各種影響因素和實施時的具體情況。根據三大影響因素的具體內涵，表1中一級指標具體分解為各自的二級指標。

2.餐飲企業(yè)產品創(chuàng)新的模糊評價方法

餐飲企業(yè)產品創(chuàng)新的各評價要素人為確定評價等級的界限沒有嚴格的標準，另外評價的結果往往和評價者本身的經驗有很大關系，因此采用模糊數(shù)學評價的方法是比較合適的。通常的方法是根據餐飲企業(yè)產品創(chuàng)新的內涵確定評價要素和內容，列出“優(yōu)、良、中、差”評判等級以及相應的評判標準，然后組織專家進行評判打分，在分析研究各要素對創(chuàng)新競爭力影響大小的基礎上確定權重，最后采用模糊數(shù)學的評價模型進行產品創(chuàng)新競爭力的評價。

具體步驟如下：

(1)確定評價因素集,這里評價因素集為餐飲企業(yè)競爭力評價各級相關指標的集合，X=(X1,X2,…,Xn)。

(2)專家討論、確定餐飲企業(yè)競爭力各影響制約因素的權重集。由于評價指標體系是一個遞進的層次結構，宜采用層次分析法分別確定權重，設指標的權重分別為A1，A2，…，An，有∑Ai=1，則權重集為A=(A1，A2，…，An)。

(3)建立評價等級集。評價等級集是評價者對評價對象可做出的各種評價結果所組成的集合，即r=(r1，r2，…，rn)，這里r=(優(yōu)，良，中，差)。

(4)確定隸屬關系，建立模糊評價矩陣：。

(5)進行模糊關系綜合評價:對于一個2層次的餐飲企業(yè)創(chuàng)新競爭力評價模型，先請專家組進行二級指標評價，其評價結果相對于一級指標構成一個模糊評價矩陣，然后與一級評價指標權重相乘(即A·R)并進行歸一化計算，最后再根據最大隸屬度原則，確定最終的評價結果。

3.餐飲企業(yè)產品創(chuàng)新的模糊評價

根據餐飲企業(yè)產品創(chuàng)新的內涵，選取幾個最主要的影響企業(yè)競爭力的創(chuàng)新指標作為評價要素進行模糊評價。先確定表1中各二級指標的“優(yōu)、良、中、差”的具體標準，然后邀請有豐富經驗的專家根據標準進行打分，集體討論，綜合考慮各專家的意見確定一級和二級指標的權重，如表2。

表中專家對二級指標的評價結果，構成該餐飲企業(yè)創(chuàng)新模糊評價矩陣R。對于一級指標X1，有二級指標R1。

，A1（a1a2a3）=（0.40.40.2）。

根據S=A·R，即，j=（1，2，3），

得S1=（0.420.280.240.06），以此類推，可以根據R2、R3以及指標權重A2、A3，求得S2和S3。

S2=（0.50.30.220.04），S3=（0.310.40.230.06），由S1、S2、S3得到模糊關系矩陣

,其中一級指標權重集A=(0.40.30.3）,

由S=A·R計算得：S=（0.4110.1330.2080.054），進行歸一化處理，

S=（0.510.170.260.06）。

這個結果表明，該參飲企業(yè)的創(chuàng)新競爭力的綜合評價“優(yōu)”的比例為51%，“良”和“中”的比例分別為17%和26%，“差”的比例僅為6%。根據最大隸屬原則，該餐飲企業(yè)的創(chuàng)新的競爭力為優(yōu)。

餐飲企業(yè)創(chuàng)新競爭力指標體系和模糊評價數(shù)學模型與其它數(shù)學模型相比具有簡單易行、可操作性較強、便于應用等特點，結果能比較真實地反映餐飲企業(yè)創(chuàng)新競爭力的實際情況。可以應用于餐飲企業(yè)創(chuàng)新競爭力的考核評估，進行競爭對手創(chuàng)新競爭力的比較分析，并能為企業(yè)創(chuàng)新進行投資決策。

參考文獻：

[1]王圣果:餐飲企業(yè)創(chuàng)新四要素[J].哈爾濱商業(yè)大學學報(社會科學版),2005,(1)

[2]劉戈衡:創(chuàng)新——餐飲企業(yè)成功的秘密[J].商業(yè)研究，2003，(1)

篇5

關鍵詞：文化產業(yè)；文化產品；交易平臺

中圖分類號：G124 文獻標識碼：A

文章編號：1005-5312（2012）26-0273-01

近年來國家向文化大發(fā)展大繁榮不斷邁進，我國的文化產業(yè)正迅猛發(fā)展。因我國文化產業(yè)還處在起步階段，各地建立起了一些文化產業(yè)交易中心、文化產品網絡交易平臺等。但在實際中還是出現(xiàn)了盲目冒進、供需不稱、畸形發(fā)展等情況。積極探索文化產品交易平臺的建設不僅能使供求兩旺、文化市場健康發(fā)展，還可能動于文化生產與文化消費，惠及整個文化產業(yè)鏈。文藝演出產品供求在文化事業(yè)與文化產業(yè)中都占有一定比重，可以說，文藝演出產品交易市場的發(fā)展現(xiàn)狀能折射當前我國文化總體發(fā)展面貌。

一、當前文化產品交易困境

我國文化產業(yè)發(fā)展還處在初級階段，文化產品交易信息傳播渠道不暢，使文化生產、文化消費畸形發(fā)展。政府近年來對文化事業(yè)、文化產業(yè)做了大量引導和改革，以市場化機制運作文化,但在實際中卻出現(xiàn)了種種問題。以文藝演出產品交易為例。

文化事業(yè)方面：近年來政府實行了文藝演出產品政府采購。但在實際運行中，政府可選擇的優(yōu)秀文化演出產品極少，能上規(guī)模檔次的演藝產品大都局限在原事業(yè)單位編制的文藝院團。民間藝術院團受演出規(guī)模、產品質量等限制進入政府采購序列的屈指可數(shù)。這樣原本市場化運作的初衷又無形中回到了以行政命令養(yǎng)活文藝院團的老路。文藝院團受優(yōu)厚條件的優(yōu)待，文藝演出產品同質化嚴重，缺乏多樣化、創(chuàng)新化產品，不能滿足人民多樣的藝術文化需求；且文藝演出產品價格偏高，使政府文藝演出產品采購成本逐年提高，為公共財政增加負擔，更不利于文化事業(yè)市場化機制的良性發(fā)展。

文化產業(yè)方面：十六大以來，政府在政策、財政、金融等方面對文化產業(yè)的發(fā)展都進行了大力的支持。各種文化演藝機構公司如春筍般出現(xiàn)，但社會文藝演出產品的生產與購買卻無規(guī)范有序可言。目前社會演藝產品的供給主要依靠盈利性演藝公司或機構整合社會文藝演出零散資源，演出產品交易相對分散，沒有一個專業(yè)化網絡交易平臺。目前的中國文化產業(yè)網、中國文化創(chuàng)意網等網站，更多的是文化產業(yè)各個行業(yè)的總體展示，其中包含的文化產品交易信息相對較少。各個省市文化產品交易中心建設尚在起步。北京、杭州、上海等城市率先建立起了政府主導的文化創(chuàng)意網，但市場交易功能很弱，儼然文廣部門政務信息公開網。民間演藝公司間互相無序競爭，三俗風盛行，同時由于信息的不暢，使文化生產流通沒有形成良性循環(huán)，文化產品實際的交換價值與市場價值更加無從體現(xiàn)。

當前文化產業(yè)中的產品信息傳播這一環(huán)節(jié)，正越來越多的制約著文化生產與消費。使我國文化產業(yè)發(fā)展受到極大限制。

二、文化產品網絡交易平臺亟待改進之處。

（一）商品性的凸顯

互聯(lián)網的威力在當今社會表現(xiàn)的淋漓盡致：紙質媒體的沒落、傳統(tǒng)零售業(yè)的風光不再……。網絡交易平臺以低成本、開放性、海量信息等特點占據當今商業(yè)重要位置。文化產業(yè)是以文化商品的生產傳播銷售、文化設備用品制造為主要活動的行業(yè)集群，當前各個地方的文化創(chuàng)意產業(yè)網羅列了一些相關產業(yè)信息。譬如：蘇州文化創(chuàng)意產業(yè)網，有產業(yè)資訊、項目動態(tài)、產業(yè)研究、文創(chuàng)論壇等分類。而其中任意一個項目產品，只有簡單介紹和聯(lián)系方式，并沒有詳實生動的視頻圖片展示，缺乏電子商務平臺構成基本元素。

當前文化產業(yè)網絡交易平臺忽視了文化產業(yè)最基本的一個特性即商品性，網絡平臺建設者沒有從根本上轉變發(fā)展觀念，依然將文化產品當做傳統(tǒng)商業(yè)項目、文藝活動進行展示，對網上交易、產權轉讓等商品市場化行為的開展相對較少，文化行業(yè)商品化的比例過低。號稱全球中文第一大文化產業(yè)門戶“時代·中國文化創(chuàng)意產業(yè)網”，僅有全國文化產業(yè)招商融資信息，本身不承擔交易監(jiān)管責任；“中國文化產業(yè)網”的交易中心中，將買與賣區(qū)分，分別創(chuàng)建板塊展示信息。美國對文化產業(yè)的定義直接強調了其工業(yè)化和商品化。以文藝演出產品為例，文藝演出產品首先是在市場化機制運作下生產，然后按照商品化方式傳播銷售。商品同時具有交換價值與使用價值，現(xiàn)代商品直接面對消費者，必然要求對商品定位、品牌、包裝、內容做直觀的展示。產品應按照現(xiàn)代電子商務平臺方式進行運作，利用網絡優(yōu)勢將生產者與消費者緊密聯(lián)系起來。文藝演出產品的分類可按照演出規(guī)模、節(jié)目內容、節(jié)目質量三個類別進行劃分。網絡交易平臺上的文藝演出產品必須具有詳實的產品介紹，也應具有供應者與需求者第三方聯(lián)系途徑，同時還應明碼標價、菜單式選購文藝演出產品。

（二）民間文化藝術的扶持

民間文化藝術根植于民間，藝術形式都是大眾所喜聞樂見的，因此具有極強的適應性和傳播性。但當今東西方文化交流的深入、全球一體化的發(fā)展，使中國民間文化藝術深刻地表現(xiàn)出傳統(tǒng)與現(xiàn)代的分裂。傳統(tǒng)文化藝術正遭受到西方文明的猛烈沖擊，迫切需要結合現(xiàn)代表現(xiàn)手段手法、價值等以求獲得勃勃生機；而興起于后現(xiàn)代文明的當今民間文化藝術，也需要不斷地歷練，剔除糟粕沉淀精華，使自身能成為真正的藝術瑰寶。正如吸收了昆曲、秦腔、漢劇等地方戲曲特長的京劇，在演出形質、唱腔等做了大量改革，使之成為中國戲曲的翹楚；漢代的百戲雜糅雜技、舞蹈，發(fā)端于宋代瓦子勾欄等民間娛樂場所的唱賺、鼓子詞、雜劇、細樂等無不是始于求驚搏味，在不斷發(fā)展中成為一門藝術。

民間文化藝術在市民需求中生成與成長，其天生便表現(xiàn)出了低抗風險性，大眾文化需求的轉變、民間藝人的流失等多種因素都會導致某種民間文化藝術的消逝。國家對文化事業(yè)文化產業(yè)的建設關鍵還是在對民間文化藝術的扶持。而網絡平臺低成本、開放性的特點，能使民間文化藝術進入文化產業(yè)交易市場，讓民間文化藝術獲得發(fā)展的源生動力即價值，同時民間文化藝術也能在市場激蕩中探索，煥發(fā)新的藝術生命力。

文化產品網絡交易的前提是文化藝術能成為商品，民間文化藝術受資本、觀念等因素影響顯然不具備商品化能力。政府應對民間文化藝術商品化給予更多的幫助，包括文化產品網絡交易平臺的準入、商品信息包裝、網絡展示、商品定價、政策補貼、商品交易監(jiān)管等幾個方面入手。

（三）文化創(chuàng)新產品的推動

法蘭克福學派的本雅明等人認為現(xiàn)代藝術已經深深地陷入到機械復制的娛樂工業(yè)體系深淵，顯示出生產者的意識控制與受眾的被動與無助。而文化創(chuàng)意產業(yè)的發(fā)展，能從一定程度上對現(xiàn)代娛樂工業(yè)體系注入新的活力。英國對文化創(chuàng)意產業(yè)的定義為個人的創(chuàng)造、技能等開發(fā)生產從而創(chuàng)造財富的活動，這一定義很好地強調了文化產業(yè)中人的巨大作用。文化產品網絡交易平臺的建設應特別注意文化中人化的作用，不能整個平臺只是追求最大經濟價值的項目，而應對具有創(chuàng)造性、稀缺性的文化產品加以扶持和推廣。

（四）文化產品網絡交易平臺細化、階梯發(fā)展

篇6

[關鍵詞] 旅游飯店 產品質量 層次分析法 模糊綜合評價

一、問題的提出

酒店產品質量是指酒店產品（硬件產品和軟件產品）適合和滿足客人需要的程度，適合、滿足客人需要的程度越高，說明質量水平也越高，反之亦然。其產品質量的優(yōu)劣高低直接影響到酒店的聲譽、客源和經濟效益，因此一種能客觀科學地評價一家酒店產品質量的方法至關重要。但是從已出版的書刊雜志和網上搜索的資料來看，從硬件和軟件兩個方面綜合地評判一家酒店整體產品質量的方法，在國內外文獻中尚未出現(xiàn)，而與此有關的文獻中幾乎都是僅從“服務質量”這個角度進行評析。其次，即便有的文獻在質量分析中涉及到硬件或軟件方面，但幾乎是以定性方法入手，如果說與“量”有關的話，也只是搜集客人投訴意見之后，按各種投訴意見出現(xiàn)的頻率高低排隊，采用ABC分析法找出存在的主要問題。透過簡單的“量”（投訴意見次數(shù)占總投訴比例）并不足以準確地對一家酒店總體產品質量做出客觀評價，因為不同細分市場（即不同類型顧客）對酒店問題的敏感性與認知度具有很大差別，換言之，有可能由于客人的認知偏差而掩蓋了酒店產品質量的真實性。再次，國家旅游局飯店評星機構頒發(fā)的評星文件（如《旅游飯店星級的劃分與評定》〈2003年版〉），對星級評定突出了服務設施的配套程度，而對酒店產品質量以量化的評價存有局限性，僅從設備維修保養(yǎng)、清潔衛(wèi)生和服務質量三個方面來評分，其方法是將三個方面分為優(yōu)、良、中、差，然后給予各檔一定的分數(shù)（量）。雖然有定量評價，但評價內容沒有包括酒店產品的全部，而且未體現(xiàn)各個方面評價在整個評價體系中的輕重之分。

基于以上情況，本文提出酒店總體產品質量的評價體系，以層次分析與模糊評判相結合的方法建立酒店產品質量評價模型，并通過福州某五星級飯店運用該方法進行實例分析和探討，來論證這一評價模型的科學性和可行性。

二、評價步驟

1.建立酒店產品質量評價指標體系

酒店產品質量的內容既有硬件方面，也有軟件方面。本文依據酒店產品質量的具體內容闡述，確定影響評價對象的因素集U，構造了如圖1所示的指標體系。

2.確定評價集V

評價集包含所有可能出現(xiàn)的對評價對象的評語，設為V=[v1，v2，…，vk]。根據通用評估準則將酒店產品評價集定義為五級，即v＝｛等級五，等級四，等級三，等級二，等級一｝。為便于理解和進行評價，專家采用百分制｛40分以下（等級五），40－60分（等級四），60－75（等級三），75－90分（等級二），90－100分（等級一）｝進行評價，而顧客則按｛很不滿意，不滿意，一般，滿意，很滿意｝評價集進行評價。

3.確定各指標的權重系數(shù)

指標權重表示指標在指標體系中的重要程度，權重的確定是合理進行酒店產品質量評估的關鍵。層次分析法[5](Analytic Hierarchy Process，簡稱AHP) 是通過選擇專家對各評價指標的相對重要性進行打分，然后綜合各專家的打分，計算出各指標在整個指標體系中的權重。

(1)構造判斷矩陣（正互反矩陣）

采用某種判別標度(常用Saaty標度，即1～9標度) ，對同層因素兩兩進行比較和量化，得出判斷矩陣C。

表1 1～9標度法

(2)相對重要度計算

即求C的最大特征向量及最大特征根即為系統(tǒng)的權重向量，其計算公式為：

，歸一化后：（1）

（2）

(3)一致性檢驗

給出一致性指標:，由于隨著n的增加判斷誤差就會增加，因此判斷一致性時應當考慮到n的影響，使用隨機性一致性比值為平均隨機一致性指標（見表2）。

表2 平均隨機一致性指標表

當C.R.

4.模糊評價

(1)單因素模糊評價

單因素模糊評價是為了確定評價因素集U中每一個因素指標在評價集中的隸屬度， 建立一個從U到V 的模糊關系， 從而導出隸屬度矩陣，其中，rij表示因素ui對評語vj的隸屬度。在確定評價因素對評價集隸屬度rij時，為了更加客觀、合理，可以請若干專家為評價組，對每一個因素進行評價，從而減少“多數(shù)人說了算”的影響，使這種主觀估計更具有客觀性。

設評價集V=[v1，v2，…，vk]對于評價因素ui有vij個vj評語，j=1，2，…，k，則ui對于評語集的隸屬度向量ri={ri1，ri2，…，rik}，其中（3）

(2)一級模糊綜合評價

所謂一級模糊綜合評價是指按一類中的各因素進行綜合評價。其計算公式為

（4）

其中，o為模糊合成算子。通常應用較多的是算子，即先取小再取大運算，其中

（5）

但這種方法當因素比較多時，對每一因素的加權值必然很小，會導致評價結果不理想。因此，為綜合考慮各評價因素的影響且保留單因素評價的全部信息，對模糊合成算子o采算子，即

,其中（6）

(3)二級及多級模糊綜合評價

二級及多級模糊綜合評價是在一級模糊綜合評價的基礎之上，使用模糊矩陣合成將一級模糊綜合評價所得到的評價結果向量經過歸一化處理后合成矩陣R，作為因素集U到評價集V的隸屬度矩陣，再根據公式(4) 計算評價向量。由此逐級往上評判即構成二級乃至多級綜合評價的一般模型。

5.評價結果

利用多級模糊綜合評判得到的最終向量B對評價結果做出判定，常用的判定準則有最大隸屬度原則和加權平均原則。

三、應用實例

在本文的案例中，我們按前面構建的體系指標采取神秘客調查（專家暗訪）和發(fā)放問卷的方法對福州市某五星級酒店進行了產品質量評價。

1.問卷調查及數(shù)據收集

在問卷調查過程中，共向酒店住客（住店時間為2天及2天以上）發(fā)放問卷366份，收回128份，有效卷112份，其數(shù)據統(tǒng)計情況見表4。

2.利用AHP法確定Ui中的k個因素的權重系數(shù)

表3關于U的判斷矩陣

同理，我們可算出其它權重向量，具體見表4。

表4權重和評價指標值信息表

3.模糊評價結果及分析

(1)顧客評價結果

對顧客評價情況采取算子進行計算，則有

歸一化得：B=(0.0826，0.1333，0.1781，0.2105，0.3955)

根據評價集，按照隸屬度最大原則，該酒店產品質量為等級一。

(2)專家評分結果

對專家評價情況采取算子進行計算，則得B=90.03722，該酒店產品質量為等級一。

(3)評價結果分析

一是酒店產品質量體系的各指標權重是按酒店管理權威專家經過日常的大量觀察和調查后得出的相對重要度進行計算得出的，是一種定性與定量分析相結合的確定權重系數(shù)的分析方法，具有較強的科學性和合理性。

二是從運用AHP法計算權重的結果看，酒店產品質量中，設施環(huán)境是基礎，服務質量是核心，員工素質和管理水平是保證，硬件水平在酒店產品質量有著非常重要的作用，這與其他文獻中闡述的過分強調服務質量影響顧客的滿意程度說法有所不同。

三是無論是顧客的滿意度評價，還是專家的專業(yè)評分，結果均顯示該酒店處處將顧客視為酒店關注的中心，同時十分關注顧客的核心利益，如布草干凈舒適度U133、服務的主動性U221、清潔衛(wèi)生U231和安全措施U232等指標得分都比較高。通過計算得出該酒店產品質量為“等級一”的結果，這與酒店評星部門對該五星級酒店年審復核合格情況相符，說明結果比較客觀。

四、結論及應用前景

本文中酒店產品質量評價指標體系是從顧客角度出發(fā)設定的，并采用了層次結構分析, 對每一層因素應用模糊綜合評判的方法進行評價, 綜合考慮了各種因素的影響, 減少了評價過程中的主觀性和偏頗性, 保證了評價的可靠性和準確性。其層次結構的劃分、評價指標的確定以及各指標的權重系數(shù)，還可以根據評價的側重點進行一定的調整、細化, 使其更加科學、合理。而且這種方法運作步驟、評判規(guī)則簡單明確，因此，在實踐中具有較強的可操作性和較高的應用價值。作為一家酒店運用該方法，可以對目前酒店產品質量狀況進行靜態(tài)分析，并結合其他方法如問題樹法來分析存在問題的原因和通過PDCA法（計劃、執(zhí)行、檢查、處理）來解決問題；還可以對不同時期評判結果進行動態(tài)的質量變化分析，為酒店管理決策層改進硬件、提升軟件等方面提供決策依據。作為行業(yè)管理機構（如各地旅游局）或行業(yè)組織（如酒店協(xié)會），通過這種方法得出的結果可以了解到市場對酒店的客觀評價，還可以通過此方法得出同類同檔次酒店的評判結果進行橫向比較，排出產品質量的高低名次或評出標桿單位。

參考文獻：

[1]陳文生:酒店督導管理10講，福建人民出版社，2006，76～78，153～158

[2]鄒益民:酒店整體管理原理與實務，清華大學出版社，2004，127

[3]高中文宋偉偉:一種基于AHP的教學質量評估方法，信息技術，2006年第12期，47～49

[4]朱沆汪純孝:飯店服務質量管理重點分析，系統(tǒng)工程理論方法應用，1999年第8卷第2期，60～65

篇7

關鍵詞 KNN算法；Bayes算法；組合分類器；互信息；交叉驗證

中圖分類號 O213；TP18 文獻標識碼 A

1 引 言

電子商務的異軍突起促使網購走進人們的日常生活，網購的同時，多數(shù)網民會在不受約束的情況下對相關產品發(fā)表評論，而這種隨意性往往使得這些產品評論中充斥了大量無用的、不真實的信息，這些信息就是垃圾評論.垃圾評論在一定程度上影響了評論信息的參考價值，從而誤導潛在消費者并干擾銷售商對銷售業(yè)績的評價.產品垃圾評論的識別旨在解決這一問題，將垃圾評論從評論文本中剔除，保留真實的產品評論，為用戶提供可靠的參考依據.

結合近幾年垃圾評論識別的文獻可知，垃圾評論識別的關鍵問題是文本特征的提取與分類算法的選擇.N Nitin Jamal和Bing Liu等[1]首次對垃圾評論進行了分類，很好地識別了英文領域中存在的無用評論，但由于中英文之間存在差異，往往英文領域的垃圾識別方法不能直接有效地應用到中文領域當中.游貴榮等[2]提出了中文垃圾評論的特征提取方法，邱云飛等[3]、吳敏等[4]、李霄等[5]分別從用戶行為、產品特征的顯著性檢驗以及信息的有用性角度對垃圾評論的識別進行了研究，但在分類器的選取上，上述學者均采用單一算法的分類模型，如單一的Logistic回歸算法等.大量的理論與實驗結果表明，多分類器系統(tǒng)不但可以提高分類的正確率，而且可以提高識別系統(tǒng)的泛化能力和魯棒性.與此同時所有分類器都參與集成的效果并非最好，從眾多分類器中選擇部分互補性強的分類器進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礎上，提出了用高互補性組合分類器對評論進行識別和過濾.

2 文本特征的提取

2.1 產品評論的特點與垃圾評論的分類

為了更準確地識別垃圾評論，首先探討產品評論的特征.

通過對中文產品評論中的評論文本進行分析，總結出中文產品評論領域的特點主要體現(xiàn)在以下幾個方面：

1）評論文本格式自由多樣；

2）評價對象的多樣化；

3）評論內容具有近似重復性；

可分為①由不同評論者針對同一產品發(fā)表的近似重復評論；②由同一評論者針對不同產品發(fā)表的近似重復評論；③由不同評論者針對不同產品發(fā)表的近似重復評論；

4）不真實評論；

5）廣告；

6）不帶有感彩的隨機文本.

基于以上分析，將垃圾評論定義為以下5種類型：-

1）非指定產品的評論：該類評論的特點為它雖然是評論，但只對品牌和制造商，甚至是站點評論，而沒有針對當前產品本身進行評論，或者確實是對產品進行了評論，但是評錯了產品.如在蘋果手機的評論中，“買SONYZ3也不錯啊，很漂亮，旗艦機...”等

2）虛假評論：如“我這有全新的iPhone6 Plus，只要99元”等.

3）廣告評論：如“蘋果超愛大屏幕3 500元拿現(xiàn)貨QQ熱購122929079”

4）無意義文本：

①個人的消費經歷，如“再爛都永遠有人瘋搶，飄揚過海甚至成為一部手機，實在不懂.”②人身攻擊，如“用蘋果的都是腦殘”等，③其他無關文本，如“信號不好等”“轉給我唄？”

5）咨詢性評論：只是詢問關于產品的情況，而不是評論.如“多少錢呢？”.

2.2 特征提取與量化

為了建立產品垃圾評論識別模型，根據2.1節(jié)的分析結果，分4個模塊對產品評論文本進行特征提取與量化.

模塊一 數(shù)據的搜集

本文采用WebHarvest網絡爬蟲對京東商城和天貓商城內多個商家的iPhone 6 Plus的產品評論進行爬取，得到由兩萬條產品評論組成的數(shù)據集A0，同時對蘋果官網上關于iPhone 6 Plus的產品參數(shù)進行爬取，得到產品屬性數(shù)據集B0.

模塊二 對爬取的數(shù)據集進行預處理

1）構造用戶詞典.用戶詞典包括停用詞詞典、極性詞詞典，其中極性詞詞典主要是由HowNet極性詞加上一些評論作者常用的、和表達情感有關的網絡流行詞，及一些口語化的詞語與縮寫組成，用以表達用戶褒貶傾向和感彩.停用詞詞典由網絡上現(xiàn)有的停用詞詞表加上針對垃圾評論特性的停用詞組成[7-9].

2）文本分詞.中文單詞是評論信息處理的基礎，分詞工具采用中科院提供的分詞工具ICTCLAS 2015分詞系統(tǒng)[10]，其主要功能包括中文分詞、詞性標注，同時允許用戶向系統(tǒng)中導入自定義詞典以提高特定領域的分詞效果，因此，將上述用戶詞典與產品屬性數(shù)據集B0作為自定義詞典導入ICTCLAS分詞系統(tǒng)后，對數(shù)據集進行逐條分詞、詞性標注以及情感詞標注，得到預處理后的數(shù)據集A.

模塊三 特征的互信息檢驗

為了選取最能表達文本信息內容的特征，本文從被評論的商品、評論者、文本結構、情感傾向、主題詞五個屬性提取特征，在提取特征之前，先利用互信息說明這5個屬性對識別垃圾評論具有顯著相關性.-

互信息是2個事件集合之間的相關性，通常用來衡量某個屬性和類別之間的統(tǒng)計獨立關系，互信息量越大，代表特征項與類別之間的貢獻概率也越大.現(xiàn)對所選特征進行互信息檢驗，旨在說明所選屬性能在一定程度上反應該條評論的信息，即所選屬性項是互信息量較大的詞條，互信息（MI）定義如下

2）高互補性分類器

高互補性分類器組合的構建流程大致為：首先構造一定數(shù)量的候選分類器如Bayes分類器、KNN分類器、SVM分類器和logistics回歸分類器等，計算分類器之間的相關程度，然后根據相關系數(shù)對候選分類器進行排序，并依據可信度，選擇出對目標有較高識別率的分類器組合.

首先，驗證單一算法分類器的局限性.利用數(shù)學軟件MATLAB，對其進行基于多層BP網絡的識別模式的標記，對上述四種分類器用SPSS比較其準確率，召回率以及Fmeasure值.得表2.由表2，垃圾評論識別的準確率相對偏低，不少數(shù)量的正常評論被識別為垃圾評論；其召回率也不高，直觀來看是有些垃圾評論被判別為正常評論.可見單一分類算法的過濾效果并不理想，本質原因是分詞的不準確性使得評論文本特征有限的缺點充分暴露，以致于對結果的準確性產生很大影響，而且Bayes分類器要求各個特征項之間相互獨立，這顯然于現(xiàn)實不符.同時也從側面說明單一算法的分類器對數(shù)據量要求很大，需要對較為完備的訓練集特征進行學習[6].

為了更準確地進行垃圾評論識別，本文對各分類器進行組合，得到高互補性分類器.根據高互補性分類器組合理論，利用相關系數(shù)對上述4種分類器的互補性進行分析，即相關系數(shù)大的分類器組合互補性弱，相關系數(shù)小的分類器組合互補性強.

利用SPSS軟件對其進行相關分析，見表3.

由表3，相關系數(shù)的大小排序為：

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

其對偶命題互補性排序為：

SVM+Bayes

LR+KNN

可見Bayes分類器和KNN分類器的相關性最低且顯著性均大于0.01，即可認為他們之間的互補性最強，存在統(tǒng)計學意義.而SVM分類器和Bayes分類器的相似度較高，且顯著性大于0.01，認為存在統(tǒng)計學意義.為了進一步驗證這4種分類器的互補性，對這6個組合進行聚類檢驗.

用SPSS軟件對其進行聚類分析，結果見表4

由上可知，互補性最強的組合分類器為Bayes+KNN分類器.

3.4 模型的交叉驗證

本文利用WebHarvest爬蟲從天貓和京東商城爬取了20 000條評論作為原始數(shù)據集A0，將構建好的用戶詞典與產品屬性數(shù)據集B0導入ICTCLAS 2015分詞系統(tǒng)后，得到預處理數(shù)據集A，對A中的每個數(shù)據類型進行人工標記，再隨機地將其等分成4份得到A1、A2、A3、A4.

先以數(shù)據集A1為檢驗集，A2，A3，A4為訓練集，計算模型的性能指標.首先將數(shù)據集A2，A3，A4的特征向量導入Bayes+KNN組合分類器對其進行訓練，然后將檢驗集A1的特征向量導入到已訓練好的分類器中，得出檢驗集中相應評論是非垃圾評論還是垃圾評論，最后根據分類器對每條評論判定的結果以及人工標記，計算該訓練集和檢驗集組合下，分類器的性能指標.用同樣的方法得到依次以A2、A3、A4為檢驗集的分類器的性能指標，相關結果見表5.-將上述3個評價值平均得，基于KNN算法和Bayes算法的垃圾評論識別模型的最終準確率達到75.3%，召回率為82.1%，F(xiàn)1值為77.5%，結果較為理想，有應用價值.

4 結束語

垃圾評論識別的關鍵問題是文本特征的提取與分類算法的選擇.本文根據中文評論的特點提取了14個特征，并利用組合分類器算法對垃圾評論進行了識別，得到了較理想的結果.通過搭建基于Hadoop的大數(shù)據平臺集群，本模型可推廣到一個基于通過海量數(shù)據集進行訓練的垃圾評論問題，從而實現(xiàn)此模型適用于更一般產品的垃圾評論的檢測目標.-

參考文獻

[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] 游貴榮，吳為，錢V濤.電子商務中垃圾評論檢測的特征提取方法[J].情報分析與研究.2014，251（10）：93-100.

[3] 邱云飛，王建坤，邵良彬等.基于用戶行為的產品垃圾評論者監(jiān)測研究[J].計算機工程.2012，38（11）：254-257，261.

[4] 吳敏，何瓏.融合多特征的產品評論識別[J].微型機與應用.2012，31（22）：85-87.

[5] 李霄，丁晟春.垃圾商品評論信息的識別研究[J].現(xiàn)代圖書情報技術.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] 知網[DB/OL].HowNet Knowledge Database[DB/OL].[2013-11-05]. http：/// .

[8] 趙文婧.產品描述詞及情感詞抽取模式的研究[D].北京：北京郵電大學計算機學院，2010.

[9] 顧益軍，樊孝忠，王建華.中文停用詞表的自動選擇[J].北京理工大學學報.2005，25（4）：337-340.

[10]ICTCLAS 漢語分詞系統(tǒng) （ICTCLAS Chinese Lexical Analysis System [CP/OL].[2015-10-05].http：///.

篇8

（1華中師范大學湖北省電子商務研究中心 湖北 武漢 430079

2華中師范大學信息管理學院 湖北 武漢 430079）

摘 要：界定商品虛假評論的概念、稱謂和效用度量，總結了虛假評論形成與影響機制，包括虛假評論形成的影響因素以及虛假評論對消費者的影響研究。虛假評論形成和影響機制應結合內部、外部環(huán)境，構建全面的理論框架。

關鍵詞 ：在線商品；在線評論；垃圾評論；虛假評論

中圖分類號：TP391 文獻標識碼：A doi：10．3969／j．issn．1665－2272．2015．14．016

*基金項目：國家大學生創(chuàng)新性實驗計劃（A類）基因項目“在線商品評論信息形成機制的實證研究”（項目編號：A2014080）。

收稿日期：2015－04－22

隨著B2C電子商務模式的日趨成熟，當在網絡上做出購買商品和服務的決策前，消費者已經開始嚴重依賴于相應的在線商品評論。有效的在線商品評論為市場提供了一個有力的校正機制，并以此幫助和促進市場商品的質量的提升。然而，由于存在利益或名譽上的誘惑，一些組織和個人利用網絡信息監(jiān)管制度的缺失，大量虛假評論從而達到誤導消費者和獲取自身利益的目的，嚴重地危害了網絡購物環(huán)境和秩序。因此對在線商品虛假評論的定義、稱謂、效用度量進行界定，綜述在線商品虛假評論形成的影響因素及虛假評論對消費者的影響情況，對后續(xù)的研究具有重要的借鑒作用。

1 基本概念

1．1 虛假評論的定義

最先提出在線商品虛假評論概念的學者是Jindal教授，他們將虛假評論定義為三種類型：一種是不真實的評論，指故意誤導消費者或評論識別系統(tǒng)，目的是蓄意提高或毀壞產品的聲譽，具體包括宣傳性評論和誹謗性評論；一種是不含觀點的評論，指評論中并不包含作者的觀點；一種是只與品牌有關的評論，指評論的內容不是直接關于產品的評價而是關于該公司或者供貨商。隨后Luca等學者基于Jindal的定義又增加了偏離主題的評論這以概念，指評論雖然屬于該類型產品的評論，但是和商鋪銷售的產品無關，如產品是蘋果手機，評論卻關于三星手機。

1．2 虛假評論的稱謂

國外學者從商品垃圾評論屬于商品觀點中的垃圾觀點出發(fā)，稱其為opinion spam和review spam；從商品垃圾評論固有的欺騙性質出發(fā)，稱其為fake review；從商品垃圾評論是由人工產生的途徑出發(fā)，稱其manipulative review；從商品虛假評論被用于迷惑其他消費者的用途出發(fā)，稱其為deceptive review和suspicious review。與此不同的是，國內學者大多從商品虛假評論的欺騙性質出發(fā)，直接稱其為虛假評論。也有少部分學者沿用國外學者的叫法稱為垃圾評論，但這一稱謂在國內總體使用度不高。原因是垃圾評論在國內是一個更為廣義的概念，包括博客中的垃圾評論、社交網站中的虛假評論、論壇中的虛假評論、在線購物網站中的虛假評論，“虛假評論”則特指在線購物網站中的虛假評論。

1．3 效用度量

對于評論效用的度量，需要考慮評論的可信度和有效性。可信度指信息被信任的程度，強調評論真?zhèn)涡缘谋鎰e，即評論人提供的信息被接受者認可的程度。評論有用性是評論對讀者潛在的幫助價值，即評論的效用價值。評論有用性的研究包括有用性影響因素研究和基于效用的推薦排名研究兩方面，通過預測評論的效用價值，提取出效用更高的真實評論或依據評論內容對消費者進行個性化推薦?，F(xiàn)階段學者主要以消費者利用他人評論后購買的產品是否滿意為標準來判斷評論是否有用。如圖1所示，在虛假評論識別中通過可信度篩選出一部分虛假評論1，再通過有用性為指標篩選出剩余的虛假評論2，有用的評論則作為輔助消費者正確購買的效用價值高的評論。

2 虛假評論形成與影響機制

2．1 虛假評論形成的影響因素研究

Luca等研究了關于酒店的在線評論，通過分析Yelp虛假評論識別系統(tǒng)認定的虛假評論，發(fā)現(xiàn)了三個規(guī)律：當酒店的名譽排名靠后時更易實施虛假評論的行為；連鎖店不易實施虛假評論行為；當酒店競爭激烈時，更易向競爭企業(yè)虛假評論。由此得出商家實施虛假評論行為是出于競爭和名譽的誘因而不僅僅是商家的不道德。孟美任等進一步采用實證分析的研究方式，對淘寶網上18家網店的評論進行為期一年的追蹤分析，同時線下調研20個商家，總結出四個方面的動機：推銷、詆毀、干擾、無意義。即商家出于增加商鋪銷量的目的推銷評論；同行競爭者出于不良商業(yè)競爭詆毀評論；商家關于其他方面的廣告宣傳及鏈接屬于干擾評論；顧客出于敷衍、獎勵機制、單純發(fā)泄情緒而的評論屬于無意義評論。因此，如圖2所示，筆者將虛假評論的動機總結為三個方面：一是商家出于推銷、廣告的目的對購買商品的客戶虛假評論；二是客戶出于敷衍、獎勵機制、發(fā)泄情緒的目的對商家虛假評論；三是商家之間出于不道德、不良競爭的目的互相虛假評論。另外，非虛假的商品評論應該由購買該商品或服務的客戶，我們將其動機總結為：分享欲望、社會互動、產品參與度。

2．2 虛假評論對消費者的影響研究

有些學者從在線評論的不同維度出發(fā)研究虛假評論對消費者購買決策產生影響。瓦瑜等通過實證分析的方法，證實了評論者專業(yè)性、可信性，評論質量、評論量、評論效價通過產品感知價值對消費者的購買意愿存在正向影響；消費者專業(yè)性通過產品感知價值對消費者的購買意愿存在負向影響。鄭小平等發(fā)現(xiàn)評論內容的質量、評論者信譽度、評論數(shù)量會產生促進影響，寧連舉等詳細為評論情感負面程度、評論內容相關性、評論內容專業(yè)性、評論數(shù)量會正向影響消費者瀏覽網站時的感知風險，進而影響其購買意愿。劉麗等具體研究了體驗型產品的負面在線評論，補充了評論長度、評論表達方式對消費者感知風險均有顯著影響。

有些學者對影響在線評論發(fā)揮效力的諸多因素進行了重要程度研究。瓦瑜等發(fā)現(xiàn)感知價值對消費者購買意愿存在中介作用，評論質量、評論量、評論效價通過產品感知價值對消費者影響程度最高。劉麗等認為評論內容對感知風險的影響最大，同時證實對于負面在線評論相似性對感知風險的影響有正向顯著作用。周晶晶等問卷調查后的排序結果依次是評論的數(shù)量、評論者的信譽度、評論內容的質量和評論的效價?？傮w來看，虛假評論屬于商品評論，會通過以上諸多因素作用于消費者的購買決策，但是直接關于虛假評論對消費者購買決策以及商家商品銷量的影響的研究仍有待完善。

3 結語

當前關于在線商品評論的形成與影響機制研究缺乏統(tǒng)一的研究框架和通用的概念模型，且現(xiàn)有的研究成果比較零散，絕大部分的研究范圍僅局限于特定問題，研究成果缺乏通用性和系統(tǒng)性。

因此，今后對虛假評論形成機制的研究，不僅僅從心理角度出發(fā)進行消費者、商家間的動因分析，而且可從虛假評論者形成虛假評論的順序出發(fā)，將形成機制分為三步驟：評論構思階段、評論寫作階段、評論發(fā)表階段。評論構思階段級，指用戶在腦海中形成評論內容的時期，可研究其他評論信息、用戶的心理狀態(tài)、用戶的情感傾向等對用戶構思的影響；評論寫作階段，指用戶寫作評論的過程，可研究用戶個人習慣、用戶評論動機、用戶用語方式等方面；評論發(fā)表階段，指用戶點擊發(fā)表評論，可研究商家的鼓勵機制等影響因素。

參考文獻

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．虛假商品評論信息者行為動機分析［J］．情報科學，2013（10）

3 瓦瑜，汪蕾．在線評論對消費者購買意愿的影響研究——基于信息傳播的視角［D］．杭州：浙江大學，2014

4 鄭小平．在線評論對網絡消費者購買決策影響的實證研究［D］．北京：中國人民大學，2008

5 寧連舉，孫韓．在線負面評論對網絡消費者購買意愿的影響［J］．技術經濟，2014（3）

篇9

關鍵詞：在線評論挖掘；半監(jiān)督聚類；半監(jiān)督分類

中圖分類號：TP391.1 文獻標識碼：A 文章編號：1007-9599 （2012） 20-0000-02

1 緒論

Web2.0 的迅速發(fā)展使得越來越多的用戶有機會參與網絡互動之中，由單純的網絡內容的瀏覽者，變成了網絡內容的創(chuàng)造者。博客、微博、論壇、BBS、討論組、評論網站等為用戶提供了自由發(fā)表意見的平臺。在電子商務領域中，用戶的互動性則主要體現(xiàn)在用戶對于已購買產品的在線評論。這些主觀性的評論文本反映了用戶針對產品或服務的直接用戶體驗和態(tài)度，蘊含著豐富的商業(yè)信息，對研究評論者的心理和行為有很大的幫助。

1.1 從消費者的角度來說：可以利用評論挖掘結果了解產品的性能和其他用戶的使用體驗，為購買決策起到很好的參考作用；電子商務網站對于評論挖掘結果的有效展示可以避免用戶迷失在大量的在線評論文本中無法獲得有效地信息。

1.2 從生產商的角度來說：生產商可以通過消費者的評論獲得消費者的反饋信息，發(fā)現(xiàn)潛在的機會和風險，及時的改進產品或服務。另外也可以從競爭對手的產品反饋評論中獲取商業(yè)情報，增強企業(yè)的競爭能力。

1.3 從經銷商的角度來說，可以參考產品評論挖掘結果，更好的確定經銷產品的范圍、種類和數(shù)量。

2 在線評論數(shù)據的特點

網絡評論可以給客戶以及生產者，銷售者帶來有價值的產品信息與服務反饋，產品評論數(shù)據的一些特點以及挖掘中存在的問題如下：

2.1 評論數(shù)據量過大。隨著網絡的廣泛應用，網絡上的客戶評論正在飛速地膨脹著。所以要從這些評論中獲取準確的信息必須要結合機器，否則人工或者半人工的挖掘過程都是非常難以完成的任務。

2.2 非結構化數(shù)據。網絡中的非結構化數(shù)據的語義獲取還是非常困難的，需要人工智能，特別是自然語言處理等多個學科的共同努力。

2.3 更新速度快。不論是數(shù)量還是風格，在線評論數(shù)據變化很快。傳統(tǒng)的機器學習方法中分類技術利用監(jiān)督型分類，需要語料訓練分類器，這樣在一些環(huán)境和因素下，分類器需要使用更新數(shù)據集重新訓練，實施具有一定的困難，結果可能不準確。

2.4 獲得大量的類別信息成本較高，但是可以以較低的成本獲得少量的類別信息。

針對在線評論數(shù)據的特點及存在的問題，我們將半監(jiān)督學習方法應用到在線評論數(shù)據挖掘中。

3 半監(jiān)督學習簡介

在機器學習領域中，傳統(tǒng)的學習方法主要包括監(jiān)督學習和無監(jiān)督學習。半監(jiān)督學習（Semi-supervised Learning）是近年來模式識別和機器學習領域研究的重點問題，是監(jiān)督學習與無監(jiān)督學習相結合的一種學習方法。它主要考慮如何利用少量的標注樣本和大量的未標注樣本進行訓練和分類的問題。半監(jiān)督學習對于減少標注代價，提高學習性能具有非常重大的實際意義。

3.1 半監(jiān)督聚類。所謂聚類，是把大量的無標記數(shù)據樣本聚集成多個類，使同一類中樣本的相似性最大，不同類中樣本的相似性最小。聚類算法已被廣泛應用于計算機視覺、信息檢索、數(shù)據挖掘等領域.聚類算法在執(zhí)行過程中不能獲得任何關于預先定義的數(shù)據項的類別信息，因而通常被看作是一種無監(jiān)督學習方法。由于沒有利用任何關于類別的信息，當所定義的聚類目標函數(shù)不適合數(shù)據本身時，數(shù)據聚類結果將不能令人滿意。另外，聚類定義的任意性有可能產生對于實際問題沒有任何意義的聚類劃分。

盡管對于現(xiàn)實世界問題要獲得所有數(shù)據的類別信息需要付出相當大的代價，少量樣本的類別信息還是比較容易獲得的，忽視這些少量樣本類別信息將是很大的浪費。半監(jiān)督聚類充分利用成對約束信息或少量已標記數(shù)據指導聚類，同時能夠利用大量無標記數(shù)據所蘊含的分布信息，獲得更好的聚類效果。實驗證明，少量信息能夠很大程度的改善聚類效果[1-4]。

半監(jiān)督聚類已經被廣泛的運用到網頁檢索和文本分類、醫(yī)學數(shù)據等一系列領域中，在理論和實際研究應用中都獲得了長足的發(fā)展。

3.2 半監(jiān)督分類。傳統(tǒng)的分類方法屬于有監(jiān)督學習，主要分為兩個過程：訓練過程和分類過程，通過對已標記樣本的訓練學習，確定分類器的參數(shù)，然后用訓練好的分類器對未標記樣本進行分類。在訓練過程中需要大量的訓練樣本即已標記樣本才能訓練出較好的分類器。

半監(jiān)督分類主要利用少量的標記樣本進行訓練，然后開拓大量的未標記樣本，不斷迭代，最終得到一個較為準確的分類器。半監(jiān)督分類問題目前有三種主要的技術：基于生成式的模型、基于圖正則化框架的模型和基于協(xié)同訓練的模型[5]。

4 在線評論挖掘的主要任務

在線評論挖掘就是對互聯(lián)網上大量的用戶主動發(fā)表的評論文本，采用自然語言處理技術和數(shù)據挖掘方法挖掘出有用的信息以支持決策。一般可分為針對文檔、句子、詞語三種不同粒度水平。在線評論挖掘分為以下幾個子任務[6]：

4.1 產品特征提取。絡客戶評論中的產品特征挖掘是指通過機器學習方法從大量的網絡客戶產品評論中自動地獲取用戶所關注的產品特征信息。

4.2 情感分類。情感分類以客戶在互聯(lián)網上的產品評論為研究對象，挖掘客戶的情感傾向，從而自動判斷該評論的極性，即正面評論或負面評論。通過對大量客戶評論的情感分類，可以綜合得出這些客戶對該種產品或服務的普遍看法。

4.3 可視化。指將評論挖掘的結果以直接、明了的方式展現(xiàn)給用戶的過程。

5 基于半監(jiān)督學習的在線評論數(shù)據挖掘模型

基于以上分析，本文給出了一個在線評論數(shù)據挖掘模型，主要包括數(shù)據收集和預處理、情感分類、產品特征提取和可視化四個模塊，具體過程如圖1所示。

圖1.基于半監(jiān)督學習的在線評論數(shù)據挖掘模型

5.1 數(shù)據收集和預處理模塊。數(shù)據收集過程是指從電子商務網站收集在線評論數(shù)據的過程。采集工具選用神采軟件工作室出品的《網絡神采》共享版，《網絡神采》是一套專業(yè)的網絡信息采集系統(tǒng)，通過靈活的規(guī)則可以從任何類型的網站采集信息，如新聞網站、論壇、博客、電子商務網站等等。在互聯(lián)網數(shù)據挖掘、網絡信息監(jiān)控、文件批量下載等方面有著廣泛的應用。

文本預處理過程主要包括：在線評論記錄的過濾，過濾質量不高的評論，如標題中只有符號沒有文字的評論；過濾掉過短的評論（字數(shù)小于50），因為過短的評論往往用詞比較概括，不包含具體的產品特征，信息含量不大，在產品特征提取過程中可以忽略。對于在線評論集合進行分詞和詞性標注，采用中國科學院計算機所軟件室編寫的基于多層隱馬爾科夫模型的中文分詞工具 ICTCLAS（Institute of Computing Technology，Chinese Lexical Analysis System）；對記錄進行降維處理，同義詞合并，刪除停用詞等。

5.2 產品特征提取模塊。提取靜態(tài)數(shù)據集上的用戶關注產品特征：使用半監(jiān)督聚類算法對預處理后的文本數(shù)據集進行聚類，產生多個類別，不同的類別蘊含著不同的產品特征。對聚類的得到的每個類別進行高頻詞分析，找出這些產品的主要特征，并根據詞頻的高低區(qū)分不同產品特征信息的受關注程度。

提取時間序列數(shù)據集上的用戶關注產品特征：將半監(jiān)督聚類算法應用到時間序列的在線評論文本數(shù)據集中，從而獲得用戶關注的產品特征趨勢。分析用戶關注產品特征隨時間變化的趨勢，觀測用戶對于產品特征的興趣所在，為產品和服務的改進提供參考依據。

5.3 情感分類模塊。提取靜態(tài)數(shù)據集上的用戶情感傾向：使用半監(jiān)督分類方法對預處理后的文本數(shù)據集進行分類，獲得評論集中每條記錄的情感極性-正面評論和負面評論，從而獲得用戶對于產品的整體情感傾向。

提取時間序列數(shù)據集上的情感傾向：將半監(jiān)督聚類方法應用到時間序列在線評論文本數(shù)據集上進行情感分類，從而獲得用戶情感趨勢。分析用戶情感傾向隨時間變化的趨勢，監(jiān)測用戶的情感變化，以支持電子商務企業(yè)的銷售決策。

5.4 可視化模塊?？梢暬K是指將在線評論挖掘的結果進行直觀的展示的過程，以人們慣于接受的圖像、圖形、表格等形式將挖掘結果表現(xiàn)出來，便于理解和記憶。

針對用戶的可視化展示主要包括在電子商務網站上增加在線評論挖掘的展示模塊，幫助用戶進行更好的購買決策，根據客戶需求改變產品展示平臺，構建推薦系統(tǒng)，提高商務效率。例如好評率的展示、用戶關注特征排序、評論有用性排序等。

針對企業(yè)的可視化展示主要是將產品評論挖掘結果以便于支持管理決策的形式展示。例如針對挖掘出的產品特征進行進一步的分析整理，展現(xiàn)層次性的產品結構特征；針對情感分類結果，從絕對數(shù)值和相對比例等角度進行情感傾向的圖形化展示，便于企業(yè)發(fā)現(xiàn)潛在的機會和風險，從而幫助他們改進產品、改善服務，獲得競爭優(yōu)勢。

參考文獻：

[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，F(xiàn)lorida，2004：333-344.

[4]李雪梅，王立宏，宋宜斌，一種混合約束的半監(jiān)督聚類算法，模式識別與人工智能，2011，24（3）

篇10

企業(yè)只有更大力度地宣傳推廣自己的產品品牌，樹立良好的互聯(lián)網品牌形象才能率先搶占更多的市場份額，而網絡品牌推廣正是憑著高效便捷的推廣方式和頗具價值的信息反饋制度，讓企業(yè)最終選擇了它?！霸谏唐吠茝V方面，我們更傾向于成本更低、效果更顯著的網絡推廣方式”，譽鋒網絡口碑系統(tǒng)創(chuàng)始人鐘譽鋒先生介紹說，在眾多網絡推廣方式當中，他極力推薦新聞營銷。那新聞營銷究竟有什么無法比擬的優(yōu)勢?

1.引導消費于無形

網上有很多產品評論，內容或是關于產品質量的或是關于商家服務質量的，比比皆是。其實在消費者看評論的時候早已經進入了商家們“設計”好的圈套，評論會一點點的引導你去記住這個產品，從而影響你的消費行為，譬如，人都有一種炫耀的心理，茶余飯后總會和朋友提起一些最近的所見所聞，產品評論成為了他們的談資，這就達到了口碑營銷的效果。

2.網絡品牌宣傳有效

說到上面的口碑營銷，其實也是在進行一種網絡品牌推廣宣傳的過程，一個廣告有的時候會讓我們記住一個品牌，但可能很快就忘記了，如果一個品牌和一些事情聯(lián)系在一起，會讓我們記得特別深刻。網絡品牌推廣中的新聞營銷就是憑借這點以及龐大的人流媒體得到有效傳播最后達到一種網絡品牌營銷功效。

3.周期長，價格低