基于在线评论网络的多元交互行为及协同演化机理研究

Online user reviews are increasing important for online shopping decisions and sales performance, but some key issues including complex mechanism and corresponding managerial methods of multi-interactive behaviors among online reviews, users group, and relationship structures under big data are still exploring. In this project, we will collect and conduct massive online review data, and then employ text mining, complex network, empirical analysis, agent-based model, computational experiments and other methods to explore mechanism of the multi-interactive behavior and coevolution in online review networks. What’s done in this research include: ①builds a graph model based on adjacency matrix, to depict tie structure among users, relationship between users and reviews, relationship between inside- and outside-reviews, and then compute key indexes and paremeters for these networks; ②design empriacal models for interactoion between users, users and reviews, inside- and outside- reviews based on relationship structure and review contents, and then anlysis mechanisms in these interactive relationships; ③disgn and implemente simualtion models to simulate three evolutionary processes include relationship among users, relationship between users and reviews, relationship between inside- reviews and outside- reviews. By conducting a variety of applicable scenarios to analyze the mechanism of structure emergent, managerial coordination, and convergence utility of inside- and outside-reviews, and then explore and conclude coevolutionary rules in online review systems. Through this study, the methodologies of user generated content in the era of e-commerce under big data will be enhanced. And this research may also help in deepening the inter-disciplines research of e-commerce, complex science, simulation, and computational experiment, and lend theoretic and technical support to Internet firms in making decision in designing online review system as well as optimizing management methods for user-generated contents.

在线评论显著影响消费决策和销售绩效，但大数据环境下在线评论、用户群体、关系结构等元素间的多元交互的复杂机理及管理方法有待深度挖掘。为此，本项目拟收集大量评论数据，用文本挖掘、复杂网络、实证分析、智能体、计算实验等方法研究在线评论网络中多元交互行为及协同演化机理。主要研究内容有：①设计基于邻接矩阵的图模型，用于呈现用户关系、用户与评论关系、内外评论关系等网络结构；②综合评论内容和关系结构，构建基于用户之间、用户与评论、内外评论交互模型，实证分析交互行为机理；③基于智能体、模糊语义、复杂网络等方法，构建集成仿真模型，模拟关系形成与评论产生、内外评论协同演化过程，并用计算实验探索关系和评论涌现、内外评论协同、管理协调等机理，提炼规范用户评论行为的管理规律。本项目的研究不仅可以丰富大数据和电子商务下用户产生内容的理论和方法，也可为互联网企业设计在线评论系统和管理用户评论行为提供方法指导和技术支持。

在线评论显著影响用户决策和管理绩效，但大数据环境下用户-评论之间的关系结构、用户-评论的交互行为、评论行为演化等复杂机理及管理方法有待深度挖掘。为此，本项目拟收集大量评论数据，用数据挖掘、机器学习、复杂网络、实证分析、智能体、演化博弈、计算实验等方法研究在线评论网络中多元交互行为及协同演化机理。主要研究内容、研究进展和研究结果有：①用户-在线评论的关系网络。通过研究用户之间的多种关系结构，基于图模型方法构建用户关系网络，也基于微博等数据实证分析网络特性，也考虑主评论和回复评论的产生，设计用户-评论二元关系结构，并用真实数据，驱动设计用户-评论二元关系结构网络结构。②用户-在线评论的交互行为。利用扎根理论分析了评论产生的影响因素和在线评论对用户心理行为的影响，提出评论和信息治理机理、利用调查和实证方法分析在线评论信息吸收和在线评论对企业绩效的影响机理、利用数据挖掘方法实证分析交互行为机理、利用大数据方法分析在线评论对用户行为等方面的影响机理。③在线评论演化机理。设计计算实验框架，探索仿真参数选择方法，并基于智能体构建在线评论演化、在线评论对销售绩效决策的影响和微博评论的舆情演化仿真系统，利用计算实验分析协调机制(经济、社会、经济-社会混合、评论分页和阅读模式等)对在线评论演化的影响、个性化管理和捆绑销售模式选择、舆情反转等机理，总结在线评论系统非线性管理规律。基于演化博弈研究了在线评论等交流形式中的隐形知识共享及演化机理，设计加强隐形知识共享行为和团队管理机制、基于机器学习方法构建在线信息流行度预测模型，辅助分析富信息特征下在线评论动态演化规律和用户评论行为管理方法。④展望了共享经济下在线评论的相关研究问题和研究方向。相关研究成果不仅可以丰富大数据和富媒体场景下用户-评论二元网络特性、用户产生内容的理论和方法，也可为互联网企业设计在线评论系统和用户评论管理提供方法指导和技术支持。