基于多粒度語言的網購評價模型及應用

郭子雪，張培

(河北大學 管理學院，河北 保定 071002)

?

基于多粒度語言的網購評價模型及應用

郭子雪，張培

(河北大學 管理學院，河北 保定 071002)

網購商品的平面化，使得顧客無法看到商品的全部信息，因此網購評價成為了顧客在網購時獲取信息的主要渠道.在實際生活中，評價者由于個人經驗、性格、知識等方面的差異，對網購活動各指標所采用的評價語言的詳細程度不盡相同.為了促使電子商務更加高效地發(fā)展，基于網購評價中各指標的語言評價集差異性特征，采用多粒度語言與網購評價相結合的方法，研究多粒度語言環(huán)境下的網購評價決策模型.結果表明：運用多粒度語言研究網購評價問題，有助于提高評價質量，對促進電子商務的發(fā)展有積極的作用.

多粒度語言；網購評價；指標；評價模型

隨著電子商務的發(fā)展，網上購物日益普遍.把商品縮小成平面畫片，使得其本身的一些基本信息丟失，因此，網購評價成為顧客獲取這些信息的主要渠道.目前大多數網購評價中只涉及商品與描述相符度、發(fā)貨速度、賣家態(tài)度、售后服務這4個指標的評價，實際上網購活動中涉及到的其他指標也是顧客所關注的.由此可見，對網購評價中涉及到的指標的調整是必要的.目前，網購評價形式主要由2部分組成：語言描述評價以及以等級的形式所表現的對各指標的評價.語言描述評價雖然易于表示出評價者的感受，但不能呈現出數字所能帶來的精確感、直觀感；各指標的等級評價由于每個屬性都被硬性地設置為5個固定等級，使得評價者不能根據個人偏好準確地給出評價.很多學者對于網購評價進行了一定的研究，但一般集中在語言學的研究角度[1-2]以及通過對評論中自然語言的分析統(tǒng)計[3-4]得到顧客的情感傾向，很少涉及到網購評價形式的改善.因此，對網購評價形式的調整也是必要的.

由于評價者經驗、性格、知識等方面的差異，給出的評價信息往往屬于不同詳細程度的語言短語集，因此在網購評價過程中迫切需要引入以評價者為導向的多粒度語言評價集.在多粒度語言的研究方面，國外，西班牙學者 Herrera 等[5]提出了多粒度語言偏好信息的概念，并定義了利用基本語言短語集來進行信息融合的方法；國內，徐澤水等[6-8]提出了基于有序語言粒度的決策方法；蔡玫等[9]提出了改進的多粒度語言計算模型.目前，多粒度語言廣泛應用于群決策中，從而使得多粒度語言的集結算子受到了重視.目前基于語言評價信息的群決策方法大多運用有序加權算術平均算子 (ordered weighted averaging，OWA)，基于語言加權集結算子(language weighted aggreation，LWA) ，語言有序加權平均算子(linguistic order weighted averaging，LOWA)進行群的集結和方案的選優(yōu).在多粒度語言的研究中Dong等[10-11]指出要為語言短語設置合理的數值，從而實現語言與數值的轉化.模糊集的中心值和模糊綜合值的提出實現了這一轉化.

本文針對以上網購評價環(huán)節(jié)出現的不足，根據多粒度語言的特點，提出了基于多粒度語言的網購評價決策模型.評價者根據個人偏好選擇不同的語言評價集，對電商在網購活動中各個方面的服務水平做出評價，并通過網購平臺對評價信息的處理，最終以數值的形式反映出電商在網購活動中各個方面及整體的服務水平，并以此結果作為顧客網購和電商改進的參考.

1 預備知識

1.1 多粒度語言的概念

定義1[12]多粒度語言也稱為不同粒度語言，指決策者利用不同語言短語數目的語言評價集作為偏好信息,其中粒度即為所依據的語言評價集中語言短語的數目.例如語言評價集{很低，低，較低，一般，較高，高，很高}的粒度為7，語言評價集{不重要，一般，重要}的粒度為3.

1.2 多粒度語言的一致化

評價者對各指標的評價短語往往選自不同粒度的語言評價集，因此需要首先建立基礎術語集(basic linguistic term set，BLTS)，然后利用轉換函數將每個評價者的評價信息轉化到定義在BLTS上的模糊集.

定義2[13]語言術語集SM={l0,l1,…,lM}(SM中不同評價語言區(qū)間重疊程度為α)，基礎語言術語集SL={s0,s1,…sT}(SL中不同評價語言區(qū)間重疊程度為β)，將SM統(tǒng)一轉化到SL上的模糊集.在此定義轉化函數為τSMSL(li)，對于任意SM中的語言值li均可通過τSMSL(li)轉化為SL上的模糊集，經轉化后，其隸屬函數可定義為

(1)

其中，i為將要轉化的語言值(語言短語)li的下標；j=0，1,…,T;M為短語集SM中最后一個語言短語的下標；T為短語集SL中最后一個語言短語的下標；jmin和jmax由下面公式得到

(2)

(3)

1.3 OWA語言集結算子的概念

2 基于多粒度語言的網購評價模型

2.1 網購評價模型的評價指標

構建科學、合理的網上購物評價模型，評價指標的選取至關重要.通過對多個網購平臺的了解，在對電商網購活動的評價中主要涉及商品與描述相符度、賣家態(tài)度、物流狀況、發(fā)貨速度等4個指標.評價指標過于簡單概括，不能全面地反映出網購信息.本研究根據指標體系的全面、不重疊、易于取得等構建原則[15]，建立較為全面的電商網購評價指標體系，主要包括以下幾方面.

1)商品質量.由于網絡的虛擬化，產品以次充好的現象時有發(fā)生，因此產品質量成為了顧客網購過程中主要關注的要素之一.產品質量主要包括正品保障及產品完好性等方面，在很大程度上決定了顧客的購買行為.

2)商品價格.商品價格指標是對網上購物影響最大的指標.人們傾向于網購，除了可以足不出戶買到東西外，另一方面源于網上商品的價格較實體店便宜一些，并且在網上可以輕松地比較不同電商中同種商品的價格.

3)商品性價比.顧客在網購時除了注重商品的質量、價格之外，二者之間的性價比也是顧客極為重視的.由于監(jiān)管制度欠缺，賣家信譽度缺乏等原因，使得網購商品質量有時會較差一些，但與此同時該商品的價格往往也會相對的低一些，這也使得一部分顧客比較偏好這類商品.因此商品性價比的評價也是消費者所關注的.

4)商品信息.網購過程中人們?yōu)榱四芨玫亓私馍唐罚唐沸畔⒁渤蔀殡娚涛櫩偷囊蛩刂?完整真實的商品信息往往會增加顧客對該電商的好感度.商品信息主要包括商品信息真實可信度，商品信息完整度，商品信息更新及時性等方面.

5)配送服務.網上購物較傳統(tǒng)購物而言增加了配送服務這一內容.配送服務包括賣家發(fā)貨的速度、物流速度、發(fā)貨是否正確等，快速及時地配送服務是現代生活中必不可少的需要.

6)人工服務質量.例如，顧客為了了解商品信息，解答心中疑問需要咨詢服務；顧客購買商品后由于種種原因需要進行退換貨服務等等.網購這種新型購物形式相對于傳統(tǒng)購物而言，人工服務質量更受關注.人工服務質量主要包括賣家態(tài)度、售后服務、7天退換貨服務等方面.

7)商品齊全度.商品的齊全度主要是指該電商所經營的該類商品型號的齊全度，例如某電商所經營的某一貨號的衣服的尺寸、顏色的齊全度.

8)個人信息的安全性.網購過程中，顧客在確認購買商品時，需要向電商填寫訂貨單.如送貨地址、聯(lián)系方式等，這使得電商能清楚地了解顧客的某些個人資料，因而會出現個人信息泄露的可能.顧客在網購中對個人信息的安全性也會產生一定的關注.

2.2 基于一致性測度的評價指標的權重計算

由于在網購評價過程中，商品質量、商品價格、商品性價比、商品信息、配送服務、人工服務質量、商品齊全度、個人信息安全性等指標的重要程度并不相同，因此，評價者首先要對各個指標的重要程度進行評價，通過對評價信息的整理，最終確定各指標的權重值.為了在最大程度上更好地表達出大多數評價者的觀點，本研究提出了基于一致性測度的權重計算方法.

一致性測度有2個層次的內容：評價者之間的意見差別以及評價者個人意見與群體綜合意見之間的差別.文獻[16]中提出了一種基于二元語義的一致性計算方法.

假設A={ai0s0,ai1s1,…,aigsg}，B={aj0s0,aj1s1,…,ajgsg}.A,B之間的一致性測度為

(4)

其中，cvi,cvj分別為語言短語A,B的模糊集的中心值

(5)

評價者pi(i=1,2,…,n)對指標xj(j=1,2,…,m)的重要程度的評價結果為qij.由此可得，qij與q1j，q2j…q(i-1)j，q(i+1)j…qnj的總體一致性程度為

(6)

一致性越高表明該評價者在評價該指標重要程度時提供的評價信息的有效性越高，針對該指標重要程度的評價信息進行集結時該評價者的權重就越大.若某評價者對指標xj的重要程度給出了過高或過低的評價，此時該評價者獲得的權重也就越小.

指標xj的重要程度的最終評價結果為

(7)

其中，n表示評價者的人數.cvqij為語言短語qij的模糊集的中心值.

指標xj的最終權重值為

(8)

其中，m表示指標數目.

2.3 基于多粒度語言的網購評論模型具體步驟

設n名評價者p1，p2，…，pn購買了同一電商的某種商品，使用一段時間后分別對網購活動的m個指標x1，x2，…，xm進行評價.基礎語言術語集設為S={s0,s1,…,sg}，粒度為g+1.由于通常認為與語言變量聯(lián)系的隸屬度分布符合三角模糊數的隸屬度分布，因此模型中多粒度語言集的語言短語是有序均勻分布的，且符合三角模糊數的隸屬度分布.

Step1 評價者根據個人偏好選擇不同粒度語言集中的語言短語對電商網購活動中的各個指標的滿意度做出評價，其中第i個評價者對第j個指標的評價短語為sij.評價者選擇不同粒度語言集中的語言短語對各個指標的重要程度即權重做出評價，其中第i個評價者對第j個指標的重要性的評價短語為qij.

Step2 將Step1中的語言短語進行一致化處理，轉化成基礎語言術語集S={s0,s1,…,sg}上的模糊集.根據公式(1)，經一致化處理sij轉化為{aij0s0,aij1s1,…,aijgsg}，i=1,2,…,n；j=1,2,…,m.qij轉化為{bij0s0,bij1s1,…,bijgsg}，i=1,2,…,n；j=1,2,…，m.

Step3 集結評價者對網購中電商的各指標滿意度的評價信息，從而得到各指標滿意度評價的群體綜合信息.采用OWA集結算子以及文獻[17]的集結方法進行集結，其中相關聯(lián)權重的賦權方法為去掉最大值和最小值，然后對剩余數值賦予相同權重[18].設所有評價者對指標j的群體綜合信息為rj={a0s0,a1s1,…,agsg}，j=1,2,…,m.根據上述方法，ak=OWAW(a1jk,a2jk,…，anjk),k=1,2,…,g，其中，aijk為sij經一致化處理轉化為{aij0s0,aij1s1,…,aijgsg}的第k個分量的系數.

Step4 根據公式(5)計算各指標的群體綜合信息rj的模糊集的中心值.用位置指數代替語言短語,計算出的數值越大滿意度越高.再根據公式Fj=100cvj/g將位置指數轉換成百分制數值，以此結果作為指標的最終的評分結果.其中cvj表示第j個指標的模糊集的中心值，j=1,2,…,m.

Step5 將經一致化處理后的評價電商各指標重要程度的語言短語根據公式(5)計算其模糊集的中心值，再根據公式(4)～(8)計算各個指標的最終權重值.

Step6 計算該電商網購活動的總體服務水平.根據Step4 中各指標最終評分結果與 Step5各指標權重值進行加權平均，得出總體服務水平的得分.

3 算例分析

設某網購平臺對某電商銷售商品A的評價信息進行統(tǒng)計反饋，搜集了一段時間內評價信息.評價者p1，p2，p3，p4分別對該電商網購活動的8個指標x1，x2，…，x8進行了評價.4位評價者的評價短語來自以下4個語言評價集：

這4個語言評價集中不同評價語言短語間的重疊程度都為0.5.顧客p1，p2，p3，p4對該電商網購活動各個指標的滿意度的相關評價見表1，對網購活動各個指標的重要程度的相關評價見表2.

表1 評價者對8個指標滿意度的相關評價

表2 評價者對8個指標的重要程度的相關評價

例如顧客p1,p2,p3,p4對指標x1的評價短語的一致化處理結果為

根據文獻[17]提出的賦權方法，經計算其相關聯(lián)權重W={0，0.5，0.5，0}，評價者對該電商網購活動各指標的群體綜合評價信息結果為

分別計算r1，r2，r3，r4，r5，r6，r7，r8模糊集的中心值：cv1=3.15，cv2=5.61，cv3=4，cv4=4.03，cv5=3.41，cv6=4，cv7=5.61，cv8=2.5.

該電商各指標的百分制評價結果為F1=39.4，F2=70.1，F3=50，F4=50.4，F5=42.6，F6=50，F7=70.1，F8=31.3.

將表2中語言短語的一致化的處理結果，根據公式(5)計算出各語言短語的模糊集的中心值，見表3.

表3 各評價短語的模糊集的中心值

根據公式(4)、(6)以及表3的處理結果，計算各個評價者對各個指標重要程度的評價結果的總體一致性程度，見表4.

表4 各評價結果的總體一致性程度

根據公式(7)計算出各指標重要程度的最終評價結果

q1=6.56,q2=3.62,q3=5.16,q4=3.77,q5=6.56,q6=5.16,q7=2.45,q8=4.67.

根據公式(8)計算出各指標最終權重值為

上述結果表明,該電商在銷售商品A的網購活動中，在商品價格、商品齊全度方面得到了顧客的認可；商品性價比、商品信息、人工服務質量達到中等水平；商品質量、個人信息安全性方面處于劣勢.總體服務水平處于中等偏下.顧客可以以此為參考決定是否購買該產品，該電商也可以根據評分結果進行改進.

4 結論

1)構建評價指標體系是基于多粒度語言的網購評價問題的關鍵環(huán)節(jié)，通過對評價指標體系的調整，能更加全面地反映出每個電商在網購活動中各個方面的服務水平；

2)基于網購評價中各指標的語言評價集差異性特征，采用多粒度語言作為顧客評價的基礎工具，根據顧客個人偏好選擇不同粒度的語言評價集對網購活動中各個指標進行評價，有助于提高評價結果的準確性；

3)在計算電商總體服務水平時，采用了基于一致性測度的指標權重計算方法，使得結果更能反映出多數人的意見，從而更具說服力.

該模型只適用于語言變量的隸屬度分布符合三角模糊數的隸屬度分布，有時由于問題的復雜性不能簡單地用三角模糊數或梯形模糊數表示個人偏好，因此還需要改進.

[1] 別汶倩.從評價理論的介入角度分析買家的網絡購物評論[D].長春：東北師范大學，2010.

BIE W Q.Analysis of buyers'online shopping commentaries from the perspective of engagement in the appraisal theory[D].Changchun：Northeast Normal University，2010.

[2] 李想.從評價理論角度分析消費者的英文網絡購物評論[D].長春：吉林大學，2014.

LI X.Analysis of english internet customer reviews from the perspective of appraisal theory[D].Changchun：Jilin University，2014.

[3] 焦暢，佘玉梅，丁冬冬，等.網購評論情感數據的k近鄰和SVM處理方法研究[J].云南民族大學學報(自然科學版)，2013，22(3)：209-212.DOI：10.3969/j.issn.1672-8513.2013.03.013.

JIAO C，SHE Y M，DING D D，et al.Research on online -shopping sentiment based on k-nearest neighbor and SVM algorithm[J].Journal of Yunnan Minzu University(Natural Science Edition)，2013，22(3)：209-212.DOI：10.3969/j.issn.1672-8513.2013.03.013.

[4] 范英翔.基于意見挖掘技術的網購評論傾向性分析的研究與應用[D].上海：東華大學，2011.

FAN Y X.Opinion mining based sentiment analysis for online products reviews research and application[D].Shanghai：Donghua University，2011.

[5] HERRERA F，HERRERA-VIEDMA E.Linguistic decision analysis：steps for solving decision problems under Linguistic information[J].Fuzzy Sets and Systems，2000，115(1)：67-82.DOI:10.1016/S0165-0114(99):00024-x.

[6] 徐澤水.幾類多屬性決策方法研究[D].南京：東南大學，2002.

XU Z S.Study on methods for multiple attribute decision making under some situations[D].Nanjing：Southeast University，2002.

[7] 徐澤水，孫在東.一類不確定型多屬性決策問題的排序方法[J].管理科學學報，2002，5(3)：35-39.DOI：10.3321/j.issn.1007-9807.2002.03.006.

XU Z S，SUN Z D.Priority method for a kind of multi-attribute decision-making problems[J].Journal of Management Sciences in China，2002，5(3)：35-39.DOI：10.3321/j.issn.1007-9807.2002.03.006.

[8] 徐澤水.對方案有偏好的三角模糊數型多屬性決策方法研究[J].系統(tǒng)工程與電子技術，2002，24(8)：9-12.DOI：10.3321/j.issn.1001-506X.2002.08.003.

XU Z S.Study on method for trianglular fuzzy number-ased multi-attribute decision making with preference information on alternatives[J].Systems Engineering and Electronics，2002，24(8)：9-12.DOI：10.3321/j.issn.1001-506X.2002.08.003.

[9] 蔡玫，劉新旺.基于數值模擬的語言計算方法[J].東南大學學報(自然科學版)，2011.41(5)：1109-1113.DOI：10.3969/j.issn.1001-0505.2011.05.040.

CAI M，LIU X W.An approach to computing with words based on numerical scale[J].Journal of Southeast Univeisity(Natural Science Edition)，2011，41(5)：1109-1113.DOI：10.3969/j.issn.1001-0505.2011.05.040.

[10] DONG Y，XU Y，LI H，et al.The OWA-based consensus operator under linguistic representation models using position indexes[J].European Journal of Opreational Research，2010，203(2)：455-463.DOI:10.106/j.ejor.2009.08.013.

[11] DONG Y，XU Y，YU S.Computing the numerical scale of the linguistic term set for the 2-tuple fuzzy linguistic representation model[J].IEEE Transactions on Fuzzy System，2009，17(6)：1366-1378.

[12] 蔡玫，曹杰.多粒度語言偏好的群決策方法[J].統(tǒng)計與決策，2014，22：41-44.

CAI M，CAO J.Multi-granularity linguistic preference method of group decision making[J].Statistics and Decision，2014，22：41-44.

[13] 戚筱雯.不同粒度語言表達下的多屬性群決策方法研究[D].合肥：合肥工業(yè)大學，2009.

QI X W.The method research for multiple attribute group decision-making based on multi-granularity linguistic explanation[D].Hefei：Hefei University of Technology，2009.

[14] 劉兮.基于多粒度二元語義信息的幾類信息集結算子及其在多屬性群決策中的應用[D].合肥：安徽大學，2012.

LIU X.Some information aggregation operators and their applications to multi-attribute group decision making Based on multi-granularity two-tuple linguistic information[D].Hefei：Anhui University，2012.

[15] 胡永培.基于AHP-模糊方法的淘寶網購綜合評價分析[D].合肥：安徽大學，2011.

HU Y P.Evaluate the online shopping about Taobao by AHP-fuzzy comprehensive evaluation[D].Hefei:Anhui University，2011.

[16] 蔡玫，鞏在武，劉新旺.多粒度語言計算及其在模糊決策中的應用[M].北京：科學出版社，2013：66-102.

CAI M，GONG Z W，LIU X W.Computing with words of multi-granularity linguistic term and it's applications in fuzzy decision modle[M].Beijing：Science Press，2013：66-102.

[17] HERRERA F，HERRERA-VIEDMA E，MARTINEZ L.A fusion approach for managing multi-granularity Linguistic term sets in decision making[J].Fuzzy Sets and Systems，2000，114(1)：43-58.DOI:10.1016/S0165-0114(98)00093-1.

[18] YAGER R R.Including importances in OWA aggregation using fuzzy systems modeling[J].IEEE Transactions on Fuzzy Systems，1998，15(6)：286-294.DOI:10.1109/91.669028.

(責任編輯：趙藏賞)

On-line shopping evaluation model on the basis of multi-granularity linguistic information and its application

GUO Zixue，ZHANG Pei

(College of Management，Hebei University，Baoding 071002，China)

Customers are not able to see all the information about the products because of on-line shopping products' flatten characteristic,so on-line shopping comments have become the main channel for customers to obtain information about the products.In their daily lives,because of the evaluator's personal experience,personality and knowledge,they have different levels of evaluation language for all the indexes of on-line shopping activities.To boost the efficient development of e-commerce,based on the diversities of linguistic evaluation set of the indexes of on-line shopping evaluation,the method of the combination of multi-granular linguistic information and on-line shopping evaluation should be adopted to investigate the on-line shopping evaluation and decision-making model in the multi-granularity language environment.Results show that:the application of multi-granularity language for investigating on-line shopping evaluation is very helpful to improve the quality of evaluation and shows a positive effect on boosting the development of e-commerce.

multi-granularity language；on-line shopping comments；index；evaluation model

10.3969/j.issn.1000-1565.2016.06.002

2016-03-28

河北省社科基金資助項目(HB16GL010)

郭子雪(1964—)，男，河北清河人，河北大學教授，博士生導師，主要從事應急管理、質量管理、物流與供應鏈管理等領域研究.E-mail：guo_zx@163.com

C39

A

1000-1565(2016)06-0566-08