论文部分内容阅读
如何让消费者在评分信息不完整,消费者偏好不一致和评价标准不一致的情况下从海量在线商品中做出正确选择,成为消费者关注的问题.为此,提出利用Copeland社会选择理论的在线商品群体评价.首先基于消费者历史评分间的相似性填充不完整消费者-商品评分矩阵;其次建立每个消费者对在线商品的偏好关系,并表达为商品-商品偏好比较矩阵;最后利用社会选择理论的Copeland方法将偏好比较矩阵中的商品被偏好次数两两成对比较,并记录比较的赢输差值作为Copeland评价值.评价值越高,则在线商品群体评价越高.理论分析验证了方法满足在线商品评价的基本准则.实验结果也表明方法可有效解决不同用户间评分不可比较的问题,并提高在线商品群体评价的操纵复杂性.