基于LSTM-AE神经网络的商品评价综合评分计算方法研究

电商平台与应用商店等的商品评分是消费者购物的重要参考,然而,在现有方法下矛盾性评价的存在会导致商品评分失真,干扰消费者购物决策。针对该问题,提出综合文本评论与数值评分的评价综合评分计算方法。引入LSTMAE神经网络提取文本评论的隐含特征,通过支持向量机根据隐含特征对文本评论进行情感分类获得文本评分,继而将其与数值评分加权求和作为评价综合评分。使用LSTM-AE网络与支持向量机组合模型对京东商品评价数据进行情感分类,准确率达88.70%。使用上述方法对多个来源的商品评价计算综合评分,结果显示,该方法能在中和矛盾性评价中差异的同时,不影响非矛盾性评价的评分结果,具有一定的可行性。

感知有用性视角下网络评价动态变化对顾客购买意向的影响

互联网技术的大范围普及与应用极大改变了人们的消费方式,网络购物已逐渐成为顾客购买商品的重要途径。在网购过程中,由于顾客无法接触到实际商品,为规避网购带来的不确定风险,顾客大多会选择将商品的网络评价作为判断依据。而网络评价包括初始评价和追加评价,从初始评价到追加评价可能产生动态变化,因此根据初始评价与追加评价的异同,可以将网络评价划分为一致性评价和矛盾性评价。基于此,本文将采用实证分析的方法探究从初始评价到追加评价的动态变化对顾客购买意向的影响关系,并考虑顾客感知有用性的中介作用,以期为商家优化服务策略提供参考依据。结果表明:与一致性网络评价相比,矛盾性网络评价更有助于形成感知有用性;感知有用性显著正向影响购买意向;感知有用性在网络评价动态变化与购买意向的关系中发挥中介效应。