一种星级评分和文本评论驱动下基于随机占优关系的产品竞争力分析方法

本发明涉及产品竞争力分析，具体为一种星级评分和文本评论驱动下基于随机占优关系的产品竞争力分析方法。

背景技术：

1、随着互联网的发展，网络购物逐渐成为一种重要形式。越来越多的消费者通过在线评论分享他们对产品的体验和看法。在线评论主要包括星级评价和文本评论，为企业提供消费者对产品使用情况的反馈。文本评论通常包括消费者对产品性能、使用效果的评价。分析消费者在线评论可以帮助企业对产品进行市场定位，了解产品本身的优缺点以及与竞品相比的优缺点。然而，异构和非结构化的在线评论增加了管理者使用它们来分析产品竞争力的难度。以往关于同时使用星级评分和文本评论的研究主要集中在比较这两种不同结果之间的有用性，而结合这两类信息来比较产品性能的研究相对有限。另外，异构的星级评分和文本评论的统一结构化表达是信息融合的难点，简单的表达可能会忽略消费者心理认知的差异。

技术实现思路

1、针对现有技术的不足，本发明提供了一种星级评分和文本评论驱动下基于随机占优关系的产品竞争力分析方法，解决了：1)在消费者心理认知差异的情况下，如何结构化表达星级评分与文本评论信息的问题；2)由于主观信息可靠性的差异，如何融合异构信息的问题；3)如何在消费者效用或价值函数难以确定的情况下确定评价准则权重并对产品进行竞争力比较的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：一种星级评分和文本评论驱动下基于随机占优关系的产品竞争力分析方法，包括以下步骤：

3、(1)收集与表达星级评分与文本评论

4、部分网站向消费者提供评价准则，如外观、尺寸、性价比等，这些一般是产品的固有特征。消费者以主观方式根据这些准则发布星级评分或文本评论。假设需要比较一组产品{ai|i＝1,2,...,m},并通过预设的准则{cj|j＝1,2,...,n}进行衡量。产品ai在准则cj下的表现可以用星级评分集{tr|r＝1,2,...,r}与语言术语集{sq|q＝1,2,...,q}衡量。基于大量星级评分，每个准则下每个产品的评分分布于tr中，记为＝1}。通过文本评论的情感分析，产品ai在准则cj下的表现在sq之间变化，用概率语言术语集记为通常情况下，星级评分有五星级或十星级，而情感分析一般得到三至七种语言术语({bad,medium,good},{very bad,bad,a little bad,medium,a little good,good,very good})。

5、(2)结构化表达星级评分和文本评论

6、由于评价信息是消费者主观给出的并具有不同的层级，不同层级对于消费者来说存在心理认知的差异，层级结合的方式直接影响产品的评价结果，有必要进行统一的结构化表达。

7、对于星级评分来说，假定星级tr的值v(tr)均匀分布在[1,r]中，即

8、v(tr)＝r/r      (1)

9、对于评价产品性能的要素产品ai在准则cj下根据星级评分的评价值可以计算为：

10、

11、其中，pr(ij)是产品ai在准则cj下评价为tr的概率。

12、另一方面，产品在某一准则下的表现可以通过文本评论的情感态度来反映。令语言术语sq的值为v(sq)，其中，v(·)是单调递增函数，即，如果q＞t，那么v(sq)＞v(st)。v(sq)可以看作为sq的数值特征值。对于一个概率语言术语集产品ai在准则cj下根据文本评论的评价值可以计算为：

13、

14、其中，pq(ij)是产品ai在准则cj下通过文本的情感分析得到评价为sq的概率。

15、v(star(ij))和v(text(ij))反映了产品ai在准则cj下的表现，且满足

16、v(star(ij))＝v(text(ij))       (4)

17、在不同的准则下，需要获取每个语言术语对于消费者的价值。基于前景理论，消费者对文本评论的不同情感具有风险偏好和厌恶，因此，正面评论的价值与负面评论的价值存在差异。假设中性语言术语两侧的语言术语值呈线性分布，但具有不同的斜率。以中间语言术语(中性情感)的值v(s(q+1)/2)作为参考点，两侧语言术语的值可通过公式(5)计算。

18、

19、其中，α和γ(α,γ∈(0,1))分别表示风险偏好和风险厌恶的敏感性，且其值越大，消费者越厌恶风险。θ(θ＞1)是风险厌恶系数，θ值越大，消费者风险厌恶的程度越高。相关研究表明，当α＝γ＝0.88以及θ＝2.25时最符合有限理性条件下消费者的决策心理。

20、联立等式(1)-(5)，可以得出v(s(q+1)/2)的值。对于准则cj来说，m个产品的中间的语言术语值可以表示为：

21、

22、根据等式(5)，对q＝1,2,...,q，可以推导出每项语言术语的值v(sq)。由此可计算出各评价等级下星级评分值以及文本情感态度评价值。

23、令为统一的评价体系，其中，代表评价等级。出于一般性考虑，假设的值均匀分布于θ中，即：

24、

25、其中，f的值由决策者决定，简便起见，可令f＝5。

26、分别将v(tr)和v(sq)的值与的值进行比较。根据特定的分类规则，星级与文本情感等级可以被归类于统一到θ中，定义分类规则如下：

27、

28、其中，*代表tr(r＝1,2,...,r)和sq(q＝1,2,...,q)。

29、准则cj下m个产品的星级tr以及情感等级sq的统一转化结果可以表示为：

30、

31、(3)基于证据推理的异构信息融合

32、根据星级评分和文本评论的结构化表达，异构信息可以作为描述同一准则下评价产品性能的两个证据。根据证据推理理论，这两条证据可以表示为：

33、

34、其中，βf,η是证据eη(η＝1,2)评定为等级的置信度，其可通过公式(9)计算得出。

35、

36、设wη为eη的权重。假定文本评论比星级评分更准确，即w1＝0.4，w2＝0.6。遵循证据推理规则集成m个产品在准则cj下的两种证据，从而可得：

37、

38、(4)基于随机占优关系的产品竞争力分析

39、令ψij表示产品ai在准则cj下统一后的评价等级。融合两条证据后每个级别的置信度为则概率分布函数p(ψij)可以表达为：

40、

41、评价等级的累积分布函数可以计算为：

42、

43、根据随机占优规则比较产品ai和ak的累积分布函数fij(x)和fkj(x)，可以得到产品成对比较的结果。令表示产品成对比较的随机占优关系。可以建立准则cj下的矩阵，其中，表示在准则cj下，产品ai和ak的随机占优关系，记为：

44、

45、在准则cj下，产品ai的评估值可以计算为：

46、

47、将随机占优关系考虑其中，不同的关系有不同程度的优先级。aifsdak表示在所有偏好多而厌恶少的消费者看来，产品ai优于ak。aissdak表示在所有风险厌恶的消费者看来，产品ai优于ak。aitsdak表示在所有偏好多而厌恶少、风险厌恶且绝对风险厌恶递减的消费者看来，产品ai优于ak。为了进行产品在所有准则下竞争力的综合比较，设定随机占优关系系数ω＝{δfsd＝0.5,δssd＝0.3,δtsd＝0.2,δ-＝0}，产品ai相对于ak的占优程度可以定义为：

48、

49、对于产品ai和ak，在不同的准则下将随机占优关系纳入考虑，可以在消费者效用或价值函数难以确定的情况下得到产品ai优于ak的程度，由此得到产品竞争力比较的结果。

50、本发明提供了一种星级评分和文本评论驱动下基于随机占优关系的产品竞争力分析方法。具备以下有益效果：

51、1、提出了一种基于前景理论的星级评分与文本评论的结构化统一表达方法。考虑到语言术语对于消费者的不同价值，基于前景理论的思想进行语言术语集的价值转换。其优点在于通过计算异构信息的价值来统一评价等级，比直接根据数量组合评价等级更符合消费者的认知习惯。另一方面，消费者通常对收益和损失有不同程度的敏感度，并且对损失比收益更敏感，针对地计算语言术语值提高了转换结果的准确性。

52、2、提出了一种在线评论背景下异构信息结构化表达后的融合方法，该方法将星级评分和文本评论相结合，引入置信度来模拟评价信息的不确定性和不完整性。通过融合异构信息，获得不同评价等级下具有可靠性描述的产品评价信息。

53、3、提出了一种不确定条件下根据随机占优关系的竞争力分析方法，该方法基于置信度的分布函数可以在没有完整信息的情况下进行产品成对比较，获得产品优于其他产品的综合占优程度，实现产品竞争力分析。