基于多粒度语言的网购评价模型及应用

郭子雪，张培

(河北大学 管理学院，河北 保定 071002)



基于多粒度语言的网购评价模型及应用

郭子雪，张培

(河北大学 管理学院，河北 保定 071002)

网购商品的平面化，使得顾客无法看到商品的全部信息，因此网购评价成为了顾客在网购时获取信息的主要渠道.在实际生活中，评价者由于个人经验、性格、知识等方面的差异，对网购活动各指标所采用的评价语言的详细程度不尽相同.为了促使电子商务更加高效地发展，基于网购评价中各指标的语言评价集差异性特征，采用多粒度语言与网购评价相结合的方法，研究多粒度语言环境下的网购评价决策模型.结果表明：运用多粒度语言研究网购评价问题，有助于提高评价质量，对促进电子商务的发展有积极的作用.

多粒度语言；网购评价；指标；评价模型

随着电子商务的发展，网上购物日益普遍.把商品缩小成平面画片，使得其本身的一些基本信息丢失，因此，网购评价成为顾客获取这些信息的主要渠道.目前大多数网购评价中只涉及商品与描述相符度、发货速度、卖家态度、售后服务这4个指标的评价，实际上网购活动中涉及到的其他指标也是顾客所关注的.由此可见，对网购评价中涉及到的指标的调整是必要的.目前，网购评价形式主要由2部分组成：语言描述评价以及以等级的形式所表现的对各指标的评价.语言描述评价虽然易于表示出评价者的感受，但不能呈现出数字所能带来的精确感、直观感；各指标的等级评价由于每个属性都被硬性地设置为5个固定等级，使得评价者不能根据个人偏好准确地给出评价.很多学者对于网购评价进行了一定的研究，但一般集中在语言学的研究角度[1-2]以及通过对评论中自然语言的分析统计[3-4]得到顾客的情感倾向，很少涉及到网购评价形式的改善.因此，对网购评价形式的调整也是必要的.

由于评价者经验、性格、知识等方面的差异，给出的评价信息往往属于不同详细程度的语言短语集，因此在网购评价过程中迫切需要引入以评价者为导向的多粒度语言评价集.在多粒度语言的研究方面，国外，西班牙学者 Herrera 等[5]提出了多粒度语言偏好信息的概念，并定义了利用基本语言短语集来进行信息融合的方法；国内，徐泽水等[6-8]提出了基于有序语言粒度的决策方法；蔡玫等[9]提出了改进的多粒度语言计算模型.目前，多粒度语言广泛应用于群决策中，从而使得多粒度语言的集结算子受到了重视.目前基于语言评价信息的群决策方法大多运用有序加权算术平均算子 (ordered weighted averaging，OWA)，基于语言加权集结算子(language weighted aggreation，LWA) ，语言有序加权平均算子(linguistic order weighted averaging，LOWA)进行群的集结和方案的选优.在多粒度语言的研究中Dong等[10-11]指出要为语言短语设置合理的数值，从而实现语言与数值的转化.模糊集的中心值和模糊综合值的提出实现了这一转化.

本文针对以上网购评价环节出现的不足，根据多粒度语言的特点，提出了基于多粒度语言的网购评价决策模型.评价者根据个人偏好选择不同的语言评价集，对电商在网购活动中各个方面的服务水平做出评价，并通过网购平台对评价信息的处理，最终以数值的形式反映出电商在网购活动中各个方面及整体的服务水平，并以此结果作为顾客网购和电商改进的参考.

1 预备知识

1.1 多粒度语言的概念

定义1[12]多粒度语言也称为不同粒度语言，指决策者利用不同语言短语数目的语言评价集作为偏好信息,其中粒度即为所依据的语言评价集中语言短语的数目.例如语言评价集{很低，低，较低，一般，较高，高，很高}的粒度为7，语言评价集{不重要，一般，重要}的粒度为3.

1.2 多粒度语言的一致化

评价者对各指标的评价短语往往选自不同粒度的语言评价集，因此需要首先建立基础术语集(basic linguistic term set，BLTS)，然后利用转换函数将每个评价者的评价信息转化到定义在BLTS上的模糊集.

定义2[13]语言术语集SM={l0,l1,…,lM}(SM中不同评价语言区间重叠程度为α)，基础语言术语集SL={s0,s1,…sT}(SL中不同评价语言区间重叠程度为β)，将SM统一转化到SL上的模糊集.在此定义转化函数为τSMSL(li)，对于任意SM中的语言值li均可通过τSMSL(li)转化为SL上的模糊集，经转化后，其隶属函数可定义为

(1)

其中，i为将要转化的语言值(语言短语)li的下标；j=0，1,…,T;M为短语集SM中最后一个语言短语的下标；T为短语集SL中最后一个语言短语的下标；jmin和jmax由下面公式得到

(2)

(3)

1.3 OWA语言集结算子的概念

2 基于多粒度语言的网购评价模型

2.1 网购评价模型的评价指标

构建科学、合理的网上购物评价模型，评价指标的选取至关重要.通过对多个网购平台的了解，在对电商网购活动的评价中主要涉及商品与描述相符度、卖家态度、物流状况、发货速度等4个指标.评价指标过于简单概括，不能全面地反映出网购信息.本研究根据指标体系的全面、不重叠、易于取得等构建原则[15]，建立较为全面的电商网购评价指标体系，主要包括以下几方面.

1)商品质量.由于网络的虚拟化，产品以次充好的现象时有发生，因此产品质量成为了顾客网购过程中主要关注的要素之一.产品质量主要包括正品保障及产品完好性等方面，在很大程度上决定了顾客的购买行为.

2)商品价格.商品价格指标是对网上购物影响最大的指标.人们倾向于网购，除了可以足不出户买到东西外，另一方面源于网上商品的价格较实体店便宜一些，并且在网上可以轻松地比较不同电商中同种商品的价格.

3)商品性价比.顾客在网购时除了注重商品的质量、价格之外，二者之间的性价比也是顾客极为重视的.由于监管制度欠缺，卖家信誉度缺乏等原因，使得网购商品质量有时会较差一些，但与此同时该商品的价格往往也会相对的低一些，这也使得一部分顾客比较偏好这类商品.因此商品性价比的评价也是消费者所关注的.

4)商品信息.网购过程中人们为了能更好地了解商品，商品信息也成为电商吸引顾客的因素之一.完整真实的商品信息往往会增加顾客对该电商的好感度.商品信息主要包括商品信息真实可信度，商品信息完整度，商品信息更新及时性等方面.

5)配送服务.网上购物较传统购物而言增加了配送服务这一内容.配送服务包括卖家发货的速度、物流速度、发货是否正确等，快速及时地配送服务是现代生活中必不可少的需要.

6)人工服务质量.例如，顾客为了了解商品信息，解答心中疑问需要咨询服务；顾客购买商品后由于种种原因需要进行退换货服务等等.网购这种新型购物形式相对于传统购物而言，人工服务质量更受关注.人工服务质量主要包括卖家态度、售后服务、7天退换货服务等方面.

7)商品齐全度.商品的齐全度主要是指该电商所经营的该类商品型号的齐全度，例如某电商所经营的某一货号的衣服的尺寸、颜色的齐全度.

8)个人信息的安全性.网购过程中，顾客在确认购买商品时，需要向电商填写订货单.如送货地址、联系方式等，这使得电商能清楚地了解顾客的某些个人资料，因而会出现个人信息泄露的可能.顾客在网购中对个人信息的安全性也会产生一定的关注.

2.2 基于一致性测度的评价指标的权重计算

由于在网购评价过程中，商品质量、商品价格、商品性价比、商品信息、配送服务、人工服务质量、商品齐全度、个人信息安全性等指标的重要程度并不相同，因此，评价者首先要对各个指标的重要程度进行评价，通过对评价信息的整理，最终确定各指标的权重值.为了在最大程度上更好地表达出大多数评价者的观点，本研究提出了基于一致性测度的权重计算方法.

一致性测度有2个层次的内容：评价者之间的意见差别以及评价者个人意见与群体综合意见之间的差别.文献[16]中提出了一种基于二元语义的一致性计算方法.

假设A={ai0s0,ai1s1,…,aigsg}，B={aj0s0,aj1s1,…,ajgsg}.A,B之间的一致性测度为

(4)

其中，cvi,cvj分别为语言短语A,B的模糊集的中心值

(5)

评价者pi(i=1,2,…,n)对指标xj(j=1,2,…,m)的重要程度的评价结果为qij.由此可得，qij与q1j，q2j…q(i-1)j，q(i+1)j…qnj的总体一致性程度为

(6)

一致性越高表明该评价者在评价该指标重要程度时提供的评价信息的有效性越高，针对该指标重要程度的评价信息进行集结时该评价者的权重就越大.若某评价者对指标xj的重要程度给出了过高或过低的评价，此时该评价者获得的权重也就越小.

指标xj的重要程度的最终评价结果为

(7)

其中，n表示评价者的人数.cvqij为语言短语qij的模糊集的中心值.

指标xj的最终权重值为

(8)

其中，m表示指标数目.

2.3 基于多粒度语言的网购评论模型具体步骤

设n名评价者p1，p2，…，pn购买了同一电商的某种商品，使用一段时间后分别对网购活动的m个指标x1，x2，…，xm进行评价.基础语言术语集设为S={s0,s1,…,sg}，粒度为g+1.由于通常认为与语言变量联系的隶属度分布符合三角模糊数的隶属度分布，因此模型中多粒度语言集的语言短语是有序均匀分布的，且符合三角模糊数的隶属度分布.

Step1 评价者根据个人偏好选择不同粒度语言集中的语言短语对电商网购活动中的各个指标的满意度做出评价，其中第i个评价者对第j个指标的评价短语为sij.评价者选择不同粒度语言集中的语言短语对各个指标的重要程度即权重做出评价，其中第i个评价者对第j个指标的重要性的评价短语为qij.

Step2 将Step1中的语言短语进行一致化处理，转化成基础语言术语集S={s0,s1,…,sg}上的模糊集.根据公式(1)，经一致化处理sij转化为{aij0s0,aij1s1,…,aijgsg}，i=1,2,…,n；j=1,2,…,m.qij转化为{bij0s0,bij1s1,…,bijgsg}，i=1,2,…,n；j=1,2,…，m.

Step3 集结评价者对网购中电商的各指标满意度的评价信息，从而得到各指标满意度评价的群体综合信息.采用OWA集结算子以及文献[17]的集结方法进行集结，其中相关联权重的赋权方法为去掉最大值和最小值，然后对剩余数值赋予相同权重[18].设所有评价者对指标j的群体综合信息为rj={a0s0,a1s1,…,agsg}，j=1,2,…,m.根据上述方法，ak=OWAW(a1jk,a2jk,…，anjk),k=1,2,…,g，其中，aijk为sij经一致化处理转化为{aij0s0,aij1s1,…,aijgsg}的第k个分量的系数.

Step4 根据公式(5)计算各指标的群体综合信息rj的模糊集的中心值.用位置指数代替语言短语,计算出的数值越大满意度越高.再根据公式Fj=100cvj/g将位置指数转换成百分制数值，以此结果作为指标的最终的评分结果.其中cvj表示第j个指标的模糊集的中心值，j=1,2,…,m.

Step5 将经一致化处理后的评价电商各指标重要程度的语言短语根据公式(5)计算其模糊集的中心值，再根据公式(4)～(8)计算各个指标的最终权重值.

Step6 计算该电商网购活动的总体服务水平.根据Step4 中各指标最终评分结果与 Step5各指标权重值进行加权平均，得出总体服务水平的得分.

3 算例分析

设某网购平台对某电商销售商品A的评价信息进行统计反馈，搜集了一段时间内评价信息.评价者p1，p2，p3，p4分别对该电商网购活动的8个指标x1，x2，…，x8进行了评价.4位评价者的评价短语来自以下4个语言评价集：

这4个语言评价集中不同评价语言短语间的重叠程度都为0.5.顾客p1，p2，p3，p4对该电商网购活动各个指标的满意度的相关评价见表1，对网购活动各个指标的重要程度的相关评价见表2.

表1 评价者对8个指标满意度的相关评价

表2 评价者对8个指标的重要程度的相关评价

例如顾客p1,p2,p3,p4对指标x1的评价短语的一致化处理结果为

根据文献[17]提出的赋权方法，经计算其相关联权重W={0，0.5，0.5，0}，评价者对该电商网购活动各指标的群体综合评价信息结果为

分别计算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.

该电商各指标的百分制评价结果为F1=39.4，F2=70.1，F3=50，F4=50.4，F5=42.6，F6=50，F7=70.1，F8=31.3.

将表2中语言短语的一致化的处理结果，根据公式(5)计算出各语言短语的模糊集的中心值，见表3.

表3 各评价短语的模糊集的中心值

根据公式(4)、(6)以及表3的处理结果，计算各个评价者对各个指标重要程度的评价结果的总体一致性程度，见表4.

表4 各评价结果的总体一致性程度

根据公式(7)计算出各指标重要程度的最终评价结果

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

根据公式(8)计算出各指标最终权重值为

上述结果表明,该电商在销售商品A的网购活动中，在商品价格、商品齐全度方面得到了顾客的认可；商品性价比、商品信息、人工服务质量达到中等水平；商品质量、个人信息安全性方面处于劣势.总体服务水平处于中等偏下.顾客可以以此为参考决定是否购买该产品，该电商也可以根据评分结果进行改进.

4 结论

1)构建评价指标体系是基于多粒度语言的网购评价问题的关键环节，通过对评价指标体系的调整，能更加全面地反映出每个电商在网购活动中各个方面的服务水平；

2)基于网购评价中各指标的语言评价集差异性特征，采用多粒度语言作为顾客评价的基础工具，根据顾客个人偏好选择不同粒度的语言评价集对网购活动中各个指标进行评价，有助于提高评价结果的准确性；

3)在计算电商总体服务水平时，采用了基于一致性测度的指标权重计算方法，使得结果更能反映出多数人的意见，从而更具说服力.

该模型只适用于语言变量的隶属度分布符合三角模糊数的隶属度分布，有时由于问题的复杂性不能简单地用三角模糊数或梯形模糊数表示个人偏好，因此还需要改进.

[1] 别汶倩.从评价理论的介入角度分析买家的网络购物评论[D].长春：东北师范大学，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.从评价理论角度分析消费者的英文网络购物评论[D].长春：吉林大学，2014.

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

[3] 焦畅，佘玉梅，丁冬冬，等.网购评论情感数据的k近邻和SVM处理方法研究[J].云南民族大学学报(自然科学版)，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.基于意见挖掘技术的网购评论倾向性分析的研究与应用[D].上海：东华大学，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] 徐泽水.几类多属性决策方法研究[D].南京：东南大学，2002.

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

[7] 徐泽水，孙在东.一类不确定型多属性决策问题的排序方法[J].管理科学学报，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] 徐泽水.对方案有偏好的三角模糊数型多属性决策方法研究[J].系统工程与电子技术，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，刘新旺.基于数值模拟的语言计算方法[J].东南大学学报(自然科学版)，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.多粒度语言偏好的群决策方法[J].统计与决策，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.不同粒度语言表达下的多属性群决策方法研究[D].合肥：合肥工业大学，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] 刘兮.基于多粒度二元语义信息的几类信息集结算子及其在多属性群决策中的应用[D].合肥：安徽大学，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-模糊方法的淘宝网购综合评价分析[D].合肥：安徽大学，2011.

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

[16] 蔡玫，巩在武，刘新旺.多粒度语言计算及其在模糊决策中的应用[M].北京：科学出版社，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.

(责任编辑：赵藏赏)

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

河北省社科基金资助项目(HB16GL010)

郭子雪(1964—)，男，河北清河人，河北大学教授，博士生导师，主要从事应急管理、质量管理、物流与供应链管理等领域研究.E-mail：guo_zx@163.com

C39

A

1000-1565(2016)06-0566-08