基于大數(shù)據(jù)推薦系統(tǒng)在電商平臺中的應(yīng)用

摘要：為了更好地理解評論和星級評價對在線產(chǎn)品銷售的影響，本文綜合運用數(shù)據(jù)科學(xué)方法建立了相應(yīng)的模型，進一步完善了在線產(chǎn)品銷售策略。

首先，我們處理數(shù)據(jù)，然后簡化條件。缺失的值，重復(fù)的和無用的評論將在數(shù)據(jù)處理開始時刪除。第二，我們將諸如vine和verify_purchase之類的數(shù)據(jù)轉(zhuǎn)換為定量數(shù)字，并計算幫助等級。最后，使用自然語言處理（NLP）技術(shù)和情感分析將評論內(nèi)容轉(zhuǎn)換為介于[0，1]之間的定量數(shù)字?？偤褪俏谋镜淖罱K分數(shù)。對于問題1，將其分解為子問題，并逐步回答問題2，其解決方案如下：

制定規(guī)則：當(dāng)評估得分排在前25%，而詞云的重疊率排在最后25%（詞云：三種詞及其在評論中的出現(xiàn)頻率;由NLP處理）時，可以判斷該產(chǎn)品具有成功的可能性很高。相反，可以判斷該產(chǎn)品有較大的故障概率。

關(guān)鍵詞：審查數(shù)據(jù)挖掘;層次分析法;情緒分析;方差分析

一、假設(shè)

我們做一些假設(shè)來簡化我們的模型。詳情如下：

（一）沒有零售商通過不誠實的手段來提高其產(chǎn)品數(shù)據(jù)的可信度。

（二）采用隨機抽樣以確?？梢詼p少主觀影響。

（三）所選樣本可以代表總體特征，以確保更準確地描述種群。

二、內(nèi)容

（一）定義

詞云：一組單詞及其出現(xiàn)的頻率。成功詞云：一組肯定詞及其出現(xiàn)頻率。失敗詞云：一組否定詞及其出現(xiàn)頻率。 SC的重疊率：ORSC =當(dāng)前詞云和SCC的重疊部分，當(dāng)前詞云FC：ORFC的重疊率：當(dāng)前詞云與FCC的重疊部分，當(dāng)前詞云

（二）評估模型

當(dāng)產(chǎn)品符合以下任一條件時，我們將其視為成功或失敗的可能性很高。 （1）成功條件：如果產(chǎn)品平均綜合得分排名前25%，而評論內(nèi)容與SC的重疊率則超過75%。 （2）故障情況：如果產(chǎn)品平均綜合得分排名不低于25%，而同時評論內(nèi)容與FC的重疊率超過75%。

嬰兒奶嘴的SC和FC部分如下：

（三）結(jié)果分析

我們發(fā)現(xiàn)，評估標(biāo)準與復(fù)審文本的詞匯特性相結(jié)合比單個評估標(biāo)準更加穩(wěn)定和準確。

三、結(jié)論

在線評論，星級，有用度和產(chǎn)品銷售之間的關(guān)系被綜合分析如下：

（一）為了定義最大信息的度量，使用層次分析法（AHP）來研究綜合產(chǎn)品評分，評論，星級評分和幫助評分之間的關(guān)??系。

（二）時間序列模型用于建立綜合的時間得分模型，該模型可用于預(yù)測聲譽的變化趨勢。

我們已經(jīng)獲得了基于文本的度量和基于費率的度量的組合，以指示潛在的成功或失敗產(chǎn)品。

（三）我們計算了特定星級評價的情感傾向與評價內(nèi)容之間的關(guān)系。

（四）我們進行了特征詞與星級評價之間的相關(guān)性分析。

參考文獻：

[1] Saaty T L.層次分析法決策[J]。國際服務(wù)科學(xué)雜志，2008，1（1）：83-98。

[2] Vincent T，Risser L，Ciuciu P.空間自適應(yīng)混合建模用于fMRI時間序列分析[J]。 IEEE醫(yī)學(xué)影像交易，2010，29（4）：1059-1074。

[3] Pang B，Lee L.觀點挖掘與情感分析[J]。信息檢索的基礎(chǔ)與趨勢，2008，2（12）：1-135。

[4] Feldstein M S.流動性偏好和投資組合選擇理論中的均值方差分析[J]。經(jīng)濟研究評論，1969，36（1）：5-12。

作者簡介：

王彤（1999-04-），男，天津人，本科學(xué)歷，研究方向：自動化專業(yè)。