基于文本挖掘的在线零售商信誉评价模型研究

B2C的在线信誉系统在促进顾客对在线零售商的信任和在线零售业务的飞速发展方面功不可没，但作为在线信誉系统重要内容之一的信誉评价模型大部分都是针对于C2C环境的，不适合于电子零售市场，同时这些模型都忽视了顾客的文本评论在促进买者对卖者的信任过程中的作用。本项目从客户的文本评论这一崭新的视角，研究B2C环境下电子零售商的信誉评价模型：1）基于文本挖掘的信誉维度发现和生成：采用文本聚类和遗传算法，从文本评论中挖掘出客户最关注的信誉维度。2）基于内容分析的客户文本评论的定量化，建立信誉维度对电子零售商的总体信誉度的影响机理模型。3）基于评论有效性和权重的信誉集结模型和评价模型的建立。本研究在理论上将为学者研究在线信誉系统提供一种新的研究视角，扩大文本挖掘技术和内容分析法在电子商务领域的应用范围。在实践上可以为在线信誉系统的管理者、电子零售商、顾客提供辅助决策支持，具有重大的理论意义和现实意义。