1.5 本文的主要技术路线 8
2 商品评论信息可信度计量模型的构建 10
2.1 商品评论信息可信度的定义及评判依据 10
2.1.1 商品评论信息可信度定义 10
2.1.2 在线商品评论信息可信度评判依据 10
2.2 可信度计量模型构建思路 11
2.3 支持向量回归（SVR） 12
2.3.1 SVR算法的描述 13
2.3.2 SVR参数优化方法 13
2.3.3 SVR预测结果的评价指标 14
2.3.4 LIBSVM工具 14
3 商品评论信息的可信度特征分析 16
3.1 商品评论信息发布的动机及渠道 16
3.1.1 商品评论信息发布动机 16
3.1.2 评论信息发布渠道 17
3.2 商品评论信息可信度特征计量文度 18
3.3 商品评论可信度特征选取实证分析 19
3.3.1 问卷设计及样本采集 19
3.3.2 数据统计与分析 20
3.4 商品评论信息可信度特征的量化 22
3.5 特征库的构建 24
3.5.1 内容完整性特征库 24
3.5.2 情感平衡性特征库 24
4 在线商品评论信息可信度计量实验 26
4.1 实验语料获取及预处理 26
4.1.1 实验语料的获取 26
4.1.2 实验语料的预处理 26
4.2 语料可信度标注 27
4.2.1 语料可信度标注说明 28
4.2.2 语料可信度标注结果反馈分析 28
4.3 商品评论信息可信度特征转换 29
4.4 原始语料的特征量化及数据归一化实验 31
4.4.1 语料的特征量化 31
4.4.2 特征值数据的归一化 32
4.5 评论信息SVR可信度计算实验 32
4.5.1 可信度计量模型的训练 33
4.5.2 可信度计量模型的测试 34
4.6 参数优化实验 34
4.6.1 参数寻优预实验 34
4.6.2 参数最优化实验 36
4.7 实验结果及分析 39
4.7.1 实验结果的对比分析 39
4.7.2 实验模型的进一步探讨 41
5 总结和展望 43
5.1 总结 43
5.2 展望 43
致谢 45
参考文献 46
附录A 商品评论信息可信度特征甄选问卷 50
附录B 商品评论信息可信度标注说明 52
1 绪论
在线商品评论信息作为口碑传播的一种新形式，是指消费者发布在电子商务网站、第三方点评网、论坛、微博等网络平台上，以文本形式为主对特定商品、商家或服务发表的观点[1]。这种观点主要是对评论对象的购买或使用感受，可以是个人的亲身体验，也可以来源于他人的经历。
1.1 研究背景及意义
1.1.1 研究背景
网络购物是借助网络平台实现商品或服务从商家/卖家转移到个人用户（消费者）的过程[2]。随着网络购物服务的逐步完善，电子商务向各个领域的渗透不断加深，继续保持了近年来快速发展的势头。根据艾瑞咨询给出的最新数据：2013年中国网络购物市场交易规模为18409.5亿元，年增长39.4%，在社会零售品总额中占比7.9%；2014第一季度中国网络购物市场交易规模为4564.4亿元，较去年同期增长27.6%[2]。网购的繁荣，究其原因是其优于传统购物的多种优势使得消费者购买行为发生改变所决定的。中国互联网络信息中心（简称CNNIC）的一项对网络购物市场进行研究的调查显示，有41.1%的用户在每次购物前都会关注商品评论，26%的用户大多数情况下都会关注，只有17.9%的用户表示从来不关注商品评论；此外，已经有将近一半的用户将商品评论作为其购物前最看重的因素，其次才是亲人朋友及专家的意见[3]。在另一项针对网站选择因素的调查中还指出，无论用户网购熟悉还是不熟悉的产品，用户评价因素对选择哪家购物网站影响都是最大的；特别是在网购不熟悉的产品时，更多受用户评价的影响，占到了44.8%[4]。可见，商品评论信息已成为目前消费者特别是潜在消费者做出购买决策前最重要的参考依据。证明了商品评论可以产生或拉动用户需求，显著影响商品的销量，这对消费者、商家以及市场稳定都是至关重要的。 基于SVR支持向量回归模型的在线商品评论信息可信度分析研究(2):http://www.youerw.com/shuxue/lunwen_11331.html