颜紫欣 游凡毅 齐奕萌 首都经济贸易大学管理工程学院

在当今的网络信息时代，电子商务因其开放性、全球性、低成本和高效率的特点得以发展，现今已然成为人们生活中不可或缺的成分。从消费者的反馈中提取有效信息，并根据信息调整销售模式以获得更多利益是商家发展不可缺少的一步，消费者的反馈在不同电子商务平台有着不同的表现形式，通常为评星（一共有五颗星，从最差到最好分别是一星到五星，消费者可根据使用感受决定星星的数量）和文本评论。

一、问题分析

首先将数据进行预处理，删除重复等无用数据，建立星级、评论、帮助评论三者关系的模型，其中评论为文本型数据，需要将其量化，在考虑vine与verified_purchase对评价有用性的影响，使用层次分析法得到各部分权重，得出该评论者反映的产品综合评分，分析产品综合评分的趋势，以此反应产品声誉的上升或下降。

二、模型的建立与求解

以亚马逊网站上的评论为研究对象，从评论（reviews）、评价星级（star ratings）、helpfulness rating的数字特征出发，建立他们之间的关系模型。本文采用经过处理的文本情感数据作为评论文本的一个parameter，将其中的情感极性量化到[-1，1]的范围内，数值越接近-1表明负面情感更强烈，数值越接近1表示积极情感更强烈。[1]亚马逊通过让消费者对产品打分（星级1-5星），1星表示极端差评，3星表示中性。[2]极端性值越接近-1表明负面情感更强烈，数值越接近1表示积极情感更强烈。由于文本评论过于复杂、不够直观，因而利用情感分析技术将文本评论数字化，利用加权平均算法式（1）计算，可有效提高通用领域情感分类的效率和准确率。……