评价广泛存在于我们的生活之中,凡是涉及到价值判断的过程,就会产生各种形式的评价。而评价结果本身则是评价者向大众传达自身的价值判断的一个媒介。随着互联网的兴起,以在线评分为主的评价方式受到了大众群体的喜爱,其数量更是呈爆发式增长,与此同时日益增长的还有大众对评分信息参考价值的依赖。但是评分数量的剧增也逐渐暴露出两个问题:首先,由于评分者认知等各方面的差异,每个人对于评分标准的理解是不相同的,相同的分数传递出的信息可能并不相同,那么不同评分者给出的评分就不能直接进行比较,而传统的方式直接将所有评分加总或是平均来作为最终的评价结果,这样很可能给大众传递出误导性的信息;其次,由于目前在评分层面无法识别出背后的评分者,所以所有的分数都是一视同仁,直接进行加总或平均,这样就很难抵御恶意评分的发生,最后的评价结果也就容易被操纵。针对评分标准不一致和操纵评分的问题,本文提出了一种基于社会选择理论的评分集结方法。社会选择理论所研究的社会选择问题是将社会成员的偏好集结为社会总偏好,而评价问题是将评分者的评分集结成总的评价结果,所以通过将评分的大小转变为偏好的顺序,评价问题也就变成了社会选择问题。由于将评分转化为了偏好,评分数值不再具有绝对意义,不同评分者给出的评分不可比的问题也就迎刃而解了。为了能够使社会选择函数适用于普遍的评价问题,本文在原Schulze法的基础上将具体的计算步骤做了相应的改进,引入Borda分从而降低了对评分数据完整性的要求,从而使其能够广泛适用各种评价场景,同时在计算过程中加入了平均分,尝试了评分基数性和序数性的结合。并通过数理化证明了该方法满足传递性、帕累托性、中立性,不满足多数准则,这就使得部分恶意评分很难直接操纵评价结果,刷分等现象也会因此得到缓解。最后通过两个实例结果说明,本文提出的方法不仅能够更好地适用评分缺失的情况,且评价得到的排序结果相较于现在通用的方法更能准确反映评分者的偏好和意愿。