CN115759796A - 一种电子商务评价管理系统 - Google Patents
一种电子商务评价管理系统 Download PDFInfo
- Publication number
- CN115759796A CN115759796A CN202211092711.7A CN202211092711A CN115759796A CN 115759796 A CN115759796 A CN 115759796A CN 202211092711 A CN202211092711 A CN 202211092711A CN 115759796 A CN115759796 A CN 115759796A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- browsing
- information
- analysis
- analysis module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 309
- 238000004458 analytical method Methods 0.000 claims abstract description 176
- 238000000034 method Methods 0.000 claims abstract description 54
- 238000012502 risk assessment Methods 0.000 claims abstract description 50
- 230000008451 emotion Effects 0.000 claims abstract description 33
- 238000003860 storage Methods 0.000 claims abstract description 19
- 230000002996 emotional effect Effects 0.000 claims description 42
- 239000013598 vector Substances 0.000 claims description 30
- 239000011159 matrix material Substances 0.000 claims description 29
- 239000000284 extract Substances 0.000 claims description 9
- 230000003068 static effect Effects 0.000 claims description 8
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012854 evaluation process Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004891 communication Methods 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000001680 brushing effect Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种电子商务评价管理系统，包括数据采集模块、云存储模块、中心控制模块、购买分析模块、评价分析模块、风险分析模块、等级划分模块，数据采集模块对与商品交易相关的所有信息进行采集得到运营数据，并将运营数据发送至云存储模块，购买分析模块通过浏览数据对消费者购买商品的过程进行分析得到情感倾向指数，再由评价分析模块结合情感倾向指数利用模糊评价算法进行综合评估分析得到评价分析结果，最后由风险分析模块和等价划分模块对最新发布的评价信息进行等级划分，通过对评价信息的可信度分析来提高了商品评价的真实性，避免了电子商务平台和经营者请人代刷好评的问题，使得消费者在购买商品时更直观的得到最真实的参考。
Description
技术领域
本发明涉及电子商务信息管理技术领域，特别是涉及一种电子商务评价管理系统。
背景技术
电子商务已经越来越多的应用于各种商务贸易活动中，电子商务是以网上交易为基础，实现平台、商家和消费者利用数字化沟通渠道顺利进行交易、配送和支付目的的体系；随着电子商务市场的不断发展，电子商务评价系统中评价信息的真实性成为影响消费者用户购买的一个重要参考指标，现有技术中，已经存在B2B、B2C等商业模式对评价系统进行评估指导，基于因子分析饱含数学逻辑的算法和适应性算法的评价指标体系，但是评价指标体系仍存在很多问题，平台经营者与平台内经营者为同一主体，这会导致设计评价制度时存在的利益冲突，并且消费者评价本身具有浓厚的主观性色彩，消费者与市场环境建设的观念不足，很多消费者在消费体验和商品质量没有低于预期的情况下，会为了蝇头小利或者逃避商家骚扰，做出不符合内心真实心意的信用评价，致使消费者信用评价不客观；除此之外，电子商务的评价系统中还存在人为的故意刷单行为，这些都将破坏电子商务评价过程中的真实性，为此，我们提出了一种电子商务评价管理系统。
发明内容
针对上述情况，为克服现有技术之缺陷，本发明之目的在于提供一种电子商务评价管理系统，购买分析模块通过对消费者最新发布的评价信息对应的商品前浏览过程中数据的分析得到消费者的情感倾向指数，再由评级分析模块根据消费者的所有评价信息进行综合分析得到评价分析结果，最后由风险分析模块和等级划分模块对最新发布的商品的评价信息进行等级划分，并显示在评价信息上，使得其他消费者在参考评价信息过程中，选择优质的评价信息进行参考，并有效的将恶意刷单和有意差评的评价信息进行剔除，提高了评价信息的真实性。
其解决的技术方案是，一种电子商务评价管理系统，包括数据采集模块、云存储模块、中心控制模块、购买分析模块、评价分析模块、风险分析模块、等级划分模块，数据采集模块对电子商务商品交易平台上的所有信息进行采集得到运营数据，并将运营数据发送至云存储模块进行存储，运营数据中包括商品信息、消费者信息、经营者信息、浏览信息、评价信息，中心控制模块是评价管理系统的中心，此系统管理过程具体如下：
(1)购买分析模块根据数据采集模块采集的运营数据进行评估分析得到消费者购买商品前的情感倾向指数，并将消费者的情感倾向指数发送至评价分析模块和风险分析模块，购买分析模块的分析过程如下：
步骤1、消费者用户通过注册的账户登陆电子商务评价管理系统，管理系统对消费者购买商品的评价信息进行评价管理时，购买分析模块根据评价商品的商品信息中的商品类型和商品购买时间来对浏览信息进行分析，并提取评价商品被购买前的t时间段内浏览信息的浏览特征矩阵记为W，W＝(S1,S2,S3…Sk)，k为在评级商品被购买前的t时间段内消费者浏览信息中的浏览节点的个数，商品购买时间决定了时间t，不同的浏览节点代表不同的商品，浏览特征矩阵是根据不同浏览节点的浏览商品的商品特征决定；
步骤2、购买分析模块再根据不同的浏览节点提取对应的浏览信息中的浏览特征，并根据浏览节点对应的浏览特征得到对应的浏览特征向量Si,i∈[1,k]，购买矩阵根据评价商品的商品信息得到对应的评价商品特征向量S‘，再分别计算评价商品特征向量S‘与Si,i∈[1,k]的相似度，将相似度大于
的浏览特征向量对应的浏览商家的经营者信息提取出来，并将经营者信息中不同的浏览商家信息转化为相关浏览向量，并记为X1,X2,X3…Xn，n表示的是浏览商家的个数，n是通过浏览商品之间的相似度来确定的；
步骤3、购买分析模块根据浏览商家的相关浏览向量和浏览信息的进行分析得到消费者在购买过程中对不同的浏览节点的情感倾向指数，再利用情感倾向指数来表示消费者在浏览过程中对与评价商品相似的浏览商品的购买倾向；
步骤4、购买分析模块将分析得到情感倾向指数发送至评价分析模块和风险分析模块，风险分析模块通过对运营数据的分析来对电子商务交易平台的信息安全状态进行实时监控；
(2)评价分析模块以消费者的注册账户为单位对一个消费者已经填写的所有已购买商品的评价信息进行分析得到评价分析结果，并将评价分析结果发送至风险分析模块，评价分析模块根据评价信息得到对应商品类型的信息熵、评价时间、评价商品类型，并通过对不同评价信息的语义分析来判断评价信息与消费者情感对应的程度；
(3)所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，风险评估的过程包括动态风险评估和静态风险评估，动态风险评估是平台风险分析模块根据实时动态数据的分析，静态风险评估是对已经产生的运营数据的分析；
(4)等级划分模块根据风险分析模块的风险分析结果和评价分析结果对评价信息进行分类和级别显示，将评价得到的真实性级别显示在评价信息上，级别的划分是以真实程度进行划分的，中心控制模块是评价控制管理的中心，是由第三方评价机构进行管理的，不受平台和平台上商家的管理和限制。
所述步骤3根据不同的相关浏览向量和浏览信息的对评价商品在购买前的浏览过程进行分析得到消费者对不同的浏览节点的情感倾向指数，具体分析过程如下：
步骤一、购买分析模块根据购买商品的评价信息的相似度分析得到n个相关浏览向量X1,X2,X3…Xn，通过n个相关浏览向量进行分析得到对应的相关浏览矩阵X，并根据相关浏览矩阵X得到不同的浏览指标情感倾向的判断矩阵；
步骤二、利用相关浏览矩阵对浏览节点的浏览时间、浏览信息量、重复浏览的浏览节点频率的浏览指标的分析来对应商品的购买的情感倾向程度来进行判定，并计算不同浏览指标的的权重，权重分析公式如下：
其中，Pij为第i个相关浏览向量的第j个浏览指标的权重，Xi＝(Xi1,Xi2,Xi3…Xim)，m为浏览节点对应的浏览指标的个数，Pij代表m个不同浏览指标的权重；
步骤三、购买分析模块再根据Pij计算第j项浏览指标的熵值，用Ej表示，
其中，m为浏览指标个数，信息熵冗余度记为dj，dj＝1-Ej，再利用熵值和信息熵冗余度分析得到不同浏览指标的评价维度；
步骤四、购买分析模块最后再利用不同的浏览指标的评价维度和来表示不同的情感倾向指数，并将情感倾向指数发送至评价分析模块。
所述评价分析模块利用模糊综合评价算法对消费者的所有评价信息进行分析得到评价分析结果，评级信息中包括评价商品的商品种类、商品购买时间、商品具体信息、评价文本信息，评价分析模块是对消费者填写评价信息的真实性的进行分析，首先，评价分析模块对评价信息中的评价文本信息进行评估分析，提取所有商品的评价信息中的关键词汇，并根据所有词汇出现的频率进行情感系数评估得到相关系数，再根据相关系数对最新发布的商品的评价信息中含有关键词汇的数量进行情感打分得到情感指数，评价分析模块根据消费者发布的所有的评价信息对最新发布商品的评价信息的评价文本信息进行分析得到最新发布的评价信息的情感指数，再结合购买分析模块的情感倾向指数对最新发布的评价信息进行信用评估得到评价分析结果，评价分析模块根据评价信息、情感指数和情感倾向系数建立评价指标集，并根据指标集构建模糊综合评价集和判断矩阵，再对判断矩阵进行归一化处理和一致性检验，最后通过建立的指标隶属度矩阵进行整体的信用评估分析。
所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，风险分析模块是基于电子商务的运营数据的数据分析之上对整个电子商务交易平台的监督，风险分析的过程中包括对消费者、经营者和平台管理者三方的数据的分析，通过对三者之间产生的数据的协调分析对恶意刷评问题进行监督，所述等级划分模块是根据评价分析模块的评价分析结果和风险分析模块的风险分析结果进行等级划分得到五个等级，并将最新发布的评价信息的五个等级以对应数目的星号的形式显示在评论信息上，不同的等级代表不同的可信度，等级最高的为五颗星。
所述数据采集模块对电子商务平台上产生的包括商品的交易过程和浏览过程的运营数据进行采集，在商品进行正式交易前，消费者在电子商务商品交易平台上进行商品浏览得到浏览数据，中心控制模块是管理系统的中心，并对电子商务交易平台产生的所有的数据的分析过程进行控制，云存储模块利用分布式存储的方式对数据采集模块采集的运营数据进行存储。
由于以上技术方案的采用，本发明与现有技术相比具有如下优点；1.评价管理系统是对电子商务平台上商品交易的评价信息的管理，为了提高评价信息的参考价值，让消费者得到商品最真实的参考，并促进电子商务交易环境的良性竞争，系统的购买分析模块和评级分析模块共同对最新发布的评价信息进行分析，购买分析模块通过商品的浏览数据的分析对消费者购买同类型商品的情感倾向进行分析，首先，购买分析模块根据最新发布的评价信息中的商品类型对一个时间段t内的浏览信息进行提取得到浏览特征矩阵，再根据浏览特征矩阵与最新发布评价信息进行相似性分析得到相关浏览矩阵，最后再通过相关浏览矩阵的分析计算得到情感倾向指数，购买分析模块将情感倾向指数发送至评价分析模块，通过对消费者购买商品前浏览数据的分析来对消费者的购买倾向进行分析，加强了对消费者购买商品前浏览过程的监督，避免了电子商务平台和经营者请人代刷好评的问题。
2.本系统的评价分析模块结合购买分析模块的分析结果对最新上报的评价信息进行分析得到评价分析结果，再由风险分模块结合评价分析加过对电子商务商品交易平台的运营状态进行风险分析，评价分析模块通过对最新上报的评价信息内的评价文本信息进行的语义分析得到情感指数，再结合情感倾向指数利用模糊评价算法进行综合评估分析得到评价分析结果，风险评估分析模块结合评价分析结果对电子商务平台交易的实时状态进行分析，再由等价划分模块对最新发布的评价信息进行等级划分，并将不同等级对应的星号显示在评价信息上，通过对每条评价信息的可信度分析来提高了商品评价的真实性，使得消费者在购买商品时更直观的得到最真实的参考。
附图说明
图1为本系统的整体模块图；
图2为本系统的分析流程图；
图3为本系统的购买分析模块的流程图。
具体实施方式
有关本发明的前述及其他技术内容、特点与功效，在以下配合参考附图1至图3对实施例的详细说明中，将可清楚的呈现。以下实施例中所提到的结构内容，均是以说明书附图为参考。
消费者在电子商务交易平台上购买商品时，商品的评价信息起到了重要的参考作用，电子商务交易平台设有对商品的评价信息进行管理的评价管理系统，目的是为了保证用户写的评价是真实的评价，是真的收到了货物以后对商品真实的评价，而不是通过网络键盘手刷的订单，现有技术中评价指标体系对消费者和经营者的信用评价的原则和信用的指标采集进行规定，例如B2B商务模式，但是仍存在很多问题，电子商务交易平台的平台管理者和平台经营者存在共同的利益组成，经营者可以通过营造商品的虚假好评提高自身信誉度，或者通过恶意差评降低竞争对手的信誉度，造成经营者信用等级不真实，这种行为虽然与刷单炒信不同，但是消费者评价本身具有浓厚的主观性色彩，且消费者与市场环境建设的观念不足，很多消费者在消费体验和商品质量没有低于预期的情况下，会为了蝇头小利或者逃避商家骚扰，做出不符合内心真实心意的信用评价，致使消费者信用评价不客观，为了提高电子商务平台交易中对评价信息的管理，我们提出了一种电子商务评价管理系统，包括数据采集模块、云存储模块、中心控制模块、购买分析模块、评价分析模块、风险分析模块、等级划分模块，数据采集模块对电子商务商品交易平台上的所有信息进行采集得到运营数据，并将运营数据发送至云存储模块进行存储，运营数据中包括商品信息、消费者信息、经营者信息、浏览信息、评价信息，中心控制模块是评价管理系统的中心，此系统管理过程具体如下：
(1)消费者在购买首次购买的商品之前，消费者需要从电子商务交易平台上众多的经营商家中找到质量好性价比高的商品，所以消费在正常购买的过程中，存在下单前的浏览过程，而经营者虚假好评的制造过程时不包括复杂的浏览过程的，购买分析模块对评价信息购买前的浏览信息进行分析，对消费者的浏览过程中浏览的商品的情感倾向进行分析，购买分析模块根据数据采集模块采集的运营数据进行评估分析得到消费者购买商品前的情感倾向指数，并将消费者的情感倾向指数发送至评价分析模块和风险分析模块，购买分析模块的分析过程如下：
步骤1、消费者用户通过注册的账户登陆电子商务评价管理系统，管理系统对消费者购买商品的评价信息进行评价管理时，购买分析模块根据评价商品的商品信息中的商品类型和商品购买时间来对浏览信息进行分析，并提取评价商品被购买前的t时间段内浏览信息的浏览特征矩阵记为W，W＝(S1,S2,S3…Sk)，k为在评级商品被购买前的t时间段内消费者浏览信息中的浏览节点的个数，商品购买时间决定了时间t，不同的浏览节点代表不同的商品，浏览特征矩阵是根据不同浏览节点的浏览商品的商品特征决定；
步骤2、购买分析模块再根据不同的浏览节点提取对应的浏览信息中的浏览特征，并根据浏览节点对应的浏览特征得到对应的浏览特征向量Si,i∈[1,k]，购买矩阵根据评价商品的商品信息得到对应的评价商品特征向量S‘，再分别计算评价商品特征向量S‘与Si,i∈[1,k]的相似度，将相似度大于
的浏览特征向量对应的浏览商家的经营者信息提取出来，并将经营者信息中不同的浏览商家信息转化为相关浏览向量，并记为X1,X2,X3…Xn，n表示的是浏览商家的个数，n是通过浏览商品之间的相似度来确定的；
步骤3、购买分析模块根据浏览商家的相关浏览向量和浏览信息的进行分析得到消费者在购买过程中对不同的浏览节点的情感倾向指数，再利用情感倾向指数来表示消费者在浏览过程中对与评价商品相似的浏览商品的购买倾向；
步骤4、购买分析模块将分析得到情感倾向指数发送至评价分析模块和风险分析模块，风险分析模块通过对运营数据的分析来对电子商务交易平台的信息安全状态进行实时监控；
(2)消费者或者发布恶评的人就一件商品的评价信息进行上传后，评价管理系统对最新发布的评价信息进行分析，而评价分析模块对评价内容进行分析，再结合购买前阶段的情感倾向指数对评价信息的商品进行总的评价分析，评价分析模块以消费者的注册账户为单位对一个消费者已经填写的所有已购买商品的评价信息进行分析得到评价分析结果，并将评价分析结果发送至风险分析模块，评价分析模块根据评价信息得到对应商品类型的信息熵、评价时间、评价商品类型，并通过对不同评价信息的语义分析来判断评价信息与消费者情感对应的程度；
(3)电子商务交易平台的管理包括动态管理和静态管理两部分，再电子商务交易和评价发布的过程中会存在很多风险，评价信息的真实性也会受到影响，所以风险分析模块是从整体上的分析来对评价信息进行监控，所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，风险评估的过程包括动态风险评估和静态风险评估，动态风险评估是平台风险分析模块根据实时动态数据的分析，静态风险评估是对已经产生的运营数据的分析；
(4)等级划分模块根据风险分析模块的风险分析结果和评价分析结果对评价信息进行分类和级别显示，将评价得到的真实性级别显示在评价信息上，级别的划分是以真实程度进行划分的，而不以带有消费者主观情感倾向的好评和差评进行划分的，中心控制模块是评价控制管理的中心，是由第三方评价机构进行管理的，不受平台和平台上商家的管理和限制。
所述步骤3根据不同的相关浏览向量和浏览信息的对评价商品在购买前的浏览过程进行分析得到消费者对不同的浏览节点的情感倾向指数，具体分析过程如下：
步骤一、购买分析模块根据购买商品的评价信息的相似度分析得到n个相关浏览向量X1,X2,X3…Xn，通过n个相关浏览向量进行分析得到对应的相关浏览矩阵X，并根据相关浏览矩阵X得到不同的浏览指标情感倾向的判断矩阵；
步骤二、利用相关浏览矩阵对浏览节点的浏览时间、浏览信息量、重复浏览的浏览节点频率的浏览指标的分析来对应商品的购买的情感倾向程度来进行判定，并计算不同浏览指标的的权重，权重分析公式如下：
其中，Pij为第i个相关浏览向量的第j个浏览指标的权重，Xi＝(Xi1,Xi2,Xi3…Xim)，m为浏览节点对应的浏览指标的个数，Pij代表m个不同浏览指标的权重；
步骤三、购买分析模块再根据Pij计算第j项浏览指标的熵值，用Ej表示，
其中，m为浏览指标个数，信息熵冗余度记为dj，dj＝1-Ej，再利用熵值和信息熵冗余度分析得到不同浏览指标的评价维度；
步骤四、购买分析模块最后再利用不同的浏览指标的评价维度和来表示不同的情感倾向指数，并将情感倾向指数发送至评价分析模块。
所述评价分析模块利用模糊综合评价算法对消费者的所有评价信息进行分析得到评价分析结果，评级信息中包括评价商品的商品种类、商品购买时间、商品具体信息、评价文本信息，评价分析模块是对消费者填写评价信息的真实性的进行分析，例如利用评价信息中评价词汇的频率、评价记录对消费者的信用评价进行分析，评价信息中包括的商品类型、商品店家、商品评价时间、商品下单时间，首先，评价分析模块对评价信息中的评价文本信息进行评估分析，提取所有商品的评价信息中的关键词汇，并根据所有词汇出现的频率进行情感系数评估得到相关系数，再根据相关系数对最新发布的商品的评价信息中含有关键词汇的数量进行情感打分得到情感指数，评价分析模块根据消费者发布的所有的评价信息对最新发布商品的评价信息的评价文本信息进行分析得到最新发布的评价信息的情感指数，再结合购买分析模块的情感倾向指数对最新发布的评价信息进行信用评估得到评价分析结果，评价分析模块根据评价信息和、情感指数和情感倾向系数建立评价指标集，并根据指标集构建模糊综合评价集和判断矩阵，判断矩阵是利用层次分析法进行构建的，不同的层次代表不同评价标准，再对判断矩阵进行归一化处理和一致性检验，最后通过建立的指标隶属度矩阵进行整体的信用评估分析。
所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，的人浏览轨迹的追踪信息、风险分析过程的分析包括动态分析过程和静态分析过程，包括消费者身份的验证，风险分析模块是基于电子商务的运营数据的数据分析之上对整个电子商务交易平台的监督，风险分析的过程中包括对消费者、经营者和平台管理者三方的数据的分析，通过对三者之间产生的数据的协调分析对恶意刷评问题进行监督，所述等级划分模块是根据评价分析模块的评价分析结果和风险分析模块的风险分析结果进行等级划分得到五个等级，并将最新发布的评价信息的五个等级以对应数目的星号的形式显示在评论信息上，不同的等级代表不同的可信度，等级最高的为五颗星。
所述数据采集模块对电子商务平台上产生的包括商品的交易过程和浏览过程的运营数据进行采集，在商品进行正式交易前，消费者在电子商务商品交易平台上进行商品浏览得到浏览数据，中心控制模块是管理系统的中心，并对电子商务交易平台产生的所有的数据的分析过程进行控制，云存储模块利用分布式存储的方式对数据采集模块采集的运营数据进行存储。
本发明具体使用时，系统主要包括数据采集模块、云存储模块、中心控制模块、购买分析模块、评价分析模块、风险分析模块、等级划分模块，数据采集模块主要是对电子商务商品交易平台上的所有信息进行采集得到运营数据，并将运营数据发送至云存储模块进行存储，所述购买分析模块是通过商品的浏览数据的分析对消费者购买同类型商品的情感倾向进行分析，购买分析模块根据最新发布的评价信息中的商品类型对一个时间段t内的浏览数据进行提取得到浏览特征矩阵，再根据浏览特征矩阵与最新发布评价信息进行相似性分析得到相关浏览矩阵，最后再通过相关浏览矩阵的分析计算得到情感倾向指数，购买分析模块分析得到的情感倾向指数代表的是消费者在购买评价信息对应的商品前的过程的分析，通过对消费者购买商品前浏览数据的分析来对消费者的购买倾向进行分析，加强了对消费者购买商品前浏览过程的监督，避免了电子商务平台和经营者请人代刷好评的问题，购买分析模块再将情感倾向指数发送至评价分析模块，评价分析模块再通过对最新上报的评价信息内的评价文本信息进行的语义分析得到情感指数，并结合情感倾向指数利用模糊评价算法进行综合评估分析得到评价分析结果，最后由风险评估分析模块结合评价分析结果对电子商务平台交易的实时状态进行分析，并由等价划分模块对最新发布的评价信息进行等级划分，比那个将不同等级对应的星号显示在评价信息上，通过对每条评价信息的可信度分析来提高了商品评价的真实性，使得消费者在购买商品时更直观的得到最真实的参考。
以上所述是结合具体实施方式对本发明所作的进一步详细说明，不能认定本发明具体实施仅局限于此；对于本发明所属及相关技术领域的技术人员来说，在基于本发明技术方案思路前提下，所作的拓展以及操作方法、数据的替换，都应当落在本发明保护范围之内。
Claims (5)
1.一种电子商务评价管理系统，其特征在于，包括数据采集模块、云存储模块、中心控制模块、购买分析模块、评价分析模块、风险分析模块、等级划分模块，数据采集模块对电子商务商品交易平台上的所有信息进行采集得到运营数据，并将运营数据发送至云存储模块进行存储，运营数据中包括商品信息、消费者信息、经营者信息、浏览信息、评价信息，中心控制模块是评价管理系统的中心，此系统管理过程具体如下：
(1)购买分析模块根据数据采集模块采集的运营数据进行评估分析得到消费者购买商品前的情感倾向指数，并将消费者的情感倾向指数发送至评价分析模块和风险分析模块，购买分析模块的分析过程如下：
步骤1、消费者用户通过注册的账户登陆电子商务评价管理系统，管理系统对消费者购买商品的评价信息进行评价管理时，购买分析模块根据评价商品的商品信息中的商品类型和商品购买时间来对浏览信息进行分析，并提取评价商品被购买前的t时间段内浏览信息的浏览特征矩阵记为W，W＝(S1,S2,S3…Sk)，k为在评级商品被购买前的t时间段内消费者浏览信息中的浏览节点的个数，商品购买时间决定了时间t，不同的浏览节点代表不同的商品，浏览特征矩阵是根据不同浏览节点的浏览商品的商品特征决定；
步骤2、购买分析模块再根据不同的浏览节点提取对应的浏览信息中的浏览特征，并根据浏览节点对应的浏览特征得到对应的浏览特征向量Si,i∈[1,k]，购买矩阵根据评价商品的商品信息得到对应的评价商品特征向量S‘，再分别计算评价商品特征向量S‘与Si,i∈[1,k]的相似度，将相似度大于
的浏览特征向量对应的浏览商家的经营者信息提取出来，并将经营者信息中不同的浏览商家信息转化为相关浏览向量，并记为X1,X2,X3…Xn，n表示的是浏览商家的个数，n是通过浏览商品之间的相似度来确定的；
步骤3、购买分析模块根据浏览商家的相关浏览向量和浏览信息的进行分析得到消费者在购买过程中对不同的浏览节点的情感倾向指数，再利用情感倾向指数来表示消费者在浏览过程中对与评价商品相似的浏览商品的购买倾向；
步骤4、购买分析模块将分析得到情感倾向指数发送至评价分析模块和风险分析模块，风险分析模块通过对运营数据的分析来对电子商务交易平台的信息安全状态进行实时监控；
(2)评价分析模块以消费者的注册账户为单位对一个消费者已经填写的所有已购买商品的评价信息进行分析得到评价分析结果，并将评价分析结果发送至风险分析模块，评价分析模块根据评价信息得到对应商品类型的信息熵、评价时间、评价商品类型，并通过对不同评价信息的语义分析来判断评价信息与消费者情感对应的程度；
(3)所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，风险评估的过程包括动态风险评估和静态风险评估，动态风险评估是平台风险分析模块根据实时动态数据的分析，静态风险评估是对已经产生的运营数据的分析；
(4)等级划分模块根据风险分析模块的风险分析结果和评价分析结果对评价信息进行分类和级别显示，将评价得到的真实性级别显示在评价信息上，级别的划分是以真实程度进行划分的，中心控制模块是评价控制管理的中心，是由第三方评价机构进行管理的，不受平台和平台上商家的管理和限制。
2.根据权利要求1所述的一种电子商务评价管理系统，其特征在于，所述步骤3根据不同的相关浏览向量和浏览信息的对评价商品在购买前的浏览过程进行分析得到消费者对不同的浏览节点的情感倾向指数，具体分析过程如下：
步骤一、购买分析模块根据购买商品的评价信息的相似度分析得到n个相关浏览向量X1,X2,X3…Xn，通过n个相关浏览向量进行分析得到对应的相关浏览矩阵X，并根据相关浏览矩阵X得到不同的浏览指标情感倾向的判断矩阵；
步骤二、利用相关浏览矩阵对浏览节点的浏览时间、浏览信息量、重复浏览的浏览节点频率的浏览指标的分析来对应商品的购买的情感倾向程度来进行判定，并计算不同浏览指标的的权重，权重分析公式如下：
其中，Pij为第i个相关浏览向量的第j个浏览指标的权重，Xi＝(Xi1,Xi2,Xi3…Xim)，m为浏览节点对应的浏览指标的个数，Pij代表m个不同浏览指标的权重；
步骤三、购买分析模块再根据Pij计算第j项浏览指标的熵值，用Ej表示，
其中，m为浏览指标个数，信息熵冗余度记为dj，dj＝1-Ej，再利用熵值和信息熵冗余度分析得到不同浏览指标的评价维度；
步骤四、购买分析模块最后再利用不同的浏览指标的评价维度和来表示不同的情感倾向指数，并将情感倾向指数发送至评价分析模块。
3.根据权利要求1所述的一种电子商务评价管理系统，其特征在于，所述评价分析模块利用模糊综合评价算法对消费者的所有评价信息进行分析得到评价分析结果，评级信息中包括评价商品的商品种类、商品购买时间、商品具体信息、评价文本信息，评价分析模块是对消费者填写评价信息的真实性的进行分析，首先，评价分析模块对评价信息中的评价文本信息进行评估分析，提取所有商品的评价信息中的关键词汇，并根据所有词汇出现的频率进行情感系数评估得到相关系数，再根据相关系数对最新发布的商品的评价信息中含有关键词汇的数量进行情感打分得到情感指数，评价分析模块根据消费者发布的所有的评价信息对最新发布商品的评价信息的评价文本信息进行分析得到最新发布的评价信息的情感指数，再结合购买分析模块的情感倾向指数对最新发布的评价信息进行信用评估得到评价分析结果，评价分析模块根据评价信息、情感指数和情感倾向系数建立评价指标集，并根据指标集构建模糊综合评价集和判断矩阵，再对判断矩阵进行归一化处理和一致性检验，最后通过建立的指标隶属度矩阵进行整体的信用评估分析。
4.根据权利要求1所述的一种电子商务评价管理系统，其特征在于，所述风险分析模块根据接收的情感倾向指数和评价分析结果对消费者和商家的交易过程进行监督和安全风险管理，风险分析模块是基于电子商务的运营数据的数据分析之上对整个电子商务交易平台的监督，风险分析的过程中包括对消费者、经营者和平台管理者三方的数据的分析，通过对三者之间产生的数据的协调分析对恶意刷评问题进行监督，所述等级划分模块是根据评价分析模块的评价分析结果和风险分析模块的风险分析结果进行等级划分得到五个等级，并将最新发布的评价信息的五个等级以对应数目的星号的形式显示在评论信息上，不同的等级代表不同的可信度，等级最高的为五颗星。
5.根据权利要求1所述的一种电子商务评价管理系统，其特征在于，所述数据采集模块对电子商务平台上产生的包括商品的交易过程和浏览过程的运营数据进行采集，在商品进行正式交易前，消费者在电子商务商品交易平台上进行商品浏览得到浏览数据，中心控制模块是管理系统的中心，并对电子商务交易平台产生的所有的数据的分析过程进行控制，云存储模块利用分布式存储的方式对数据采集模块采集的运营数据进行存储。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211092711.7A CN115759796A (zh) | 2022-09-06 | 2022-09-06 | 一种电子商务评价管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211092711.7A CN115759796A (zh) | 2022-09-06 | 2022-09-06 | 一种电子商务评价管理系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115759796A true CN115759796A (zh) | 2023-03-07 |
Family
ID=85349628
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211092711.7A Withdrawn CN115759796A (zh) | 2022-09-06 | 2022-09-06 | 一种电子商务评价管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115759796A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151933A (zh) * | 2023-04-18 | 2023-05-23 | 深圳市感恩网络科技有限公司 | 基于大数据的国际贸易信息数据数字化监管系统及方法 |
| CN116862293A (zh) * | 2023-06-26 | 2023-10-10 | 广州淘通科技股份有限公司 | 一种运营数据的分析方法、系统、设备和存储介质 |
| CN117078294A (zh) * | 2023-10-11 | 2023-11-17 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
-
2022
- 2022-09-06 CN CN202211092711.7A patent/CN115759796A/zh not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116151933A (zh) * | 2023-04-18 | 2023-05-23 | 深圳市感恩网络科技有限公司 | 基于大数据的国际贸易信息数据数字化监管系统及方法 |
| CN116151933B (zh) * | 2023-04-18 | 2023-10-24 | 深圳市感恩网络科技有限公司 | 基于大数据的国际贸易信息数据数字化监管系统及方法 |
| CN116862293A (zh) * | 2023-06-26 | 2023-10-10 | 广州淘通科技股份有限公司 | 一种运营数据的分析方法、系统、设备和存储介质 |
| CN117078294A (zh) * | 2023-10-11 | 2023-11-17 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
| CN117078294B (zh) * | 2023-10-11 | 2023-12-22 | 深圳比特耐特信息技术股份有限公司 | 一种基于云计算的大数据信息智能分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115759796A (zh) | 一种电子商务评价管理系统 | |
| Torki Biucky et al. | The effects of perceived risk on social commerce adoption based on TAM model | |
| Belás et al. | Satisfaction and loyalty of banking customers: a gender approach | |
| KR101913591B1 (ko) | 비정형 데이터를 정형화하여 금융상품을 추천하는 방법 | |
| CN110443687B (zh) | 一种基于大数据的电子商务平台 | |
| Ali et al. | Validating the factors influencing social commerce adoption in small and medium enterprise in Malaysia | |
| AU2020103191A4 (en) | A commodity recommendation system based on actionable high utility negative sequential rules mining and its working method | |
| CN111144986A (zh) | 一种基于分享行为的社交电商网站商品推荐方法及装置 | |
| CA3130784A1 (en) | A system and method of commodity recommendation based on actionable high utility negative sequential rule mining | |
| CN111275264A (zh) | 一种电力市场主体风险预警监控系统及其预警方法 | |
| CN106600039A (zh) | 一种电商商品消息推送优化方法 | |
| CN115409577A (zh) | 基于用户行为及环境信息的智能货柜复购预测方法及系统 | |
| CN114861050A (zh) | 一种基于神经网络的特征融合推荐方法及系统 | |
| CN111861679A (zh) | 一种基于人工智能的商品推荐方法 | |
| CN115994767A (zh) | 基于电子商务的产品供应链管理系统 | |
| Atthirawong | Application of TOPSIS method to green supplier selection for a Thai OTOP producer | |
| Du et al. | Research on the method of acquiring customer individual demand based on the Quantitative Kano Model | |
| CN113706263A (zh) | 一种基于云平台的电子商务系统 | |
| Arboleda et al. | Temporal visual profiling of market basket analysis | |
| Jiale et al. | Study on airline customer value evaluation based on RFM model | |
| CN110968670A (zh) | 一种流行商品的属性获取方法、装置、设备及存储介质 | |
| CN115936819A (zh) | 一种商品打分系统及建立方法 | |
| Shanti et al. | Machine Learning-Powered Mobile App for Predicting Used Car Prices | |
| CN113934904A (zh) | 一种基于rfm模型的卷烟零售客户价值评价方法 | |
| CN113256372A (zh) | 一种基于电子商务的商品销售系统和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230307 |