基于语义相似度与PROME...EE的生鲜电商服务质量评价_杨益兴.pdf

2023 年 4 月第 2 期 第 23 卷昆明理工大学学报(社会科学版)Journal of Kunming University of Science and Technology(Social Sciences)Apr.2023No.2，Vol.23收稿日期:2022 12 06第一作者:杨益兴(1997)，硕士研究生，主要从事服务提升与文本挖掘研究。doi:10.16112/ki.53 1160/c.2023.02.342基于语义相似度与 POMETHEE 的生鲜电商服务质量评价杨益兴1，许洪波2(1.西南交通大学 交通运输与物流学院，四川 成都 611756;2.中南林业科技大学 物流与交通学院，湖南 长沙 410004)摘要:针对新冠肺炎疫情下生鲜电商服务质量评价要求的动态性、即时性与可指导性，提出一种基于语义相似度与 POMETHEE 相结合的服务质量评价方法，即将 Word2vec 与 DBSCAN 算法结合计算词间语义相似度并进行情感聚类，以构建生鲜电商服务质量评价指标体系;基于情感词典对文本进行情感分析，并利用改进粗数法确定考虑消费者感知的指标权重;利用 POMETHEE 方法确定不同品类商品在新冠肺炎疫情应急与常态化时期的服务质量排序并利用地理探测器进一步探索其影响因素。研究结果显示:在应急时期，响应性与经济性能显著影响各品类商品的净流量得分但不存在明显的交互作用;在常态化时期，便捷性是提升服务质量的关键，且响应性分别与可靠性、移情性具有较强的交互效应，存在“1+1 2”的增强效果。面临不同严重程度的新冠肺炎疫情，在社会化电商情景下对生鲜电商服务质量进行有效评价可为其提升服务水平提供有益参考。关键词:服务质量;在线评论;语义相似度;POMETHEE ;地理探测器中图分类号:F713.36文献标志码:A文章编号:1671 1254(2023)02 0109 10Service Quality Evaluation of Fresh Food E commerce Basedon Semantic Similarity and POMETHEEYANG Yixing1，XU Hongbo2(1.School of Transportation and Logistics，Southwest Jiaotong University，Chengdu 611756，Sichuan，China;2.College of Transportation and Logistics，Central South University of Forestryand Technology，Changsha 410004，Hunan，China)Abstract:To address the dynamic，immediate and instructive nature of fresh food e commerce servicequality evaluation requirements under the COVID 19 epidemic，an online review quality assessment methodbased on semantic similarity and POMETHEE is proposed Firstly，Word2vec is combined with DBSCAN algo-rithm to calculate semantic similarity between words and perform sentiment clustering;secondly，sentiment anal-ysis is performed on the text by constructing sentiment dictionary and the index weights considering customerperception are determined by using improved rough number method;finally，POMETHEE method is usedto determine the service quality ranking of different categories of goods in the emergency and normalization peri-ods of epidemic and GeoDetector is also used to further explore their influencing factors The research found thatin the emergency period responsiveness and economy can significantly affect the net traffic score of each catego-ry，but no significant interaction can be found between them;in the normalization period，convenience is thekey to improving service quality，and responsiveness has a strong interactive effect with reliability and empathyrespectively，thus causing a“1+1 2”enhancement effect In the face of COVID 19 epidemic of differentseverity，the effective evaluation of fresh food e commerce service quality in the context of social e commercewill provide a helpful reference for service providers to improve the service qualityKey words:service quality，online reviews，semantic similarity，POMETHEE ，GeoDetector生鲜市场对接居民的高频次刚性消费需求，是资本与行业巨头争相涌入的领域，但同时生鲜电商也面临货损高、同质化严重、盈利难等诸多问题1。在新冠肺炎疫情时期，严格的防控措施使电商活动难以正常开展，面临供应链中断、物流配送中接触感染、消费者对售后服务不满继而流失的风险;而在防控进入常态化阶段后，又出现深度线上化、社群化、碎片化和无人化的特征2，可达性、响应性与安全性等受到严峻挑战。服务质量评价是指研究者根据某类标准和规则，采用某种方法对服务质量优劣进行客观衡量的过程，即在建立评价体系后采用特定评价方法对主体的质量进行综合评估。评价体系的建立与样本数据的采集常采用文献研究、问卷调查与访谈等方法3 5。随着互联网与电子商务的发展，商品的评论区成为消费者购前参考与购后反馈的重要信息交互地点，海量的在线评论促成了主观需求与购物体验的合流与共振。Ben abdallah E等6 利用大量在线内容，提出了一种基于在线评论和情感分析的情境感知排名方法，结合直觉模糊集理论和 POMETHEE 对互联网云服务进行了排序。Yang Y X 等7 基于电商在线评论，在准自然实验框架下对新冠肺炎疫情期间“电商温度”进行特征洞见与安慰效果检验。李铭洋等8 提出了一种结合随机占优准则与 POMETHEE 的服务质量评价方法，为 POMETHEE 的应用提供了新场景及更为全面的指标体系;而冯坤等9 在此基础上利用 LDA(Latent Dirichlet Al-location)模型提取了在线评论的主题，并将其运用到生鲜电商消费者满意度测评中。然而，基于熵 权 的 权 重 难 以 反 应 消 费 者 的 真 实 感知10 2493 2501，传统的情感聚类方法也忽略了语义与词序11 12。为此，本文将基于 Word2vec 的语义相似度与基于改进粗数法的 POMETHEE 相结合，对重大传染病疫情应急与常态化时期的生鲜电商服务质量进行综合评价，为其提升服务水平提供决策参考。一、基于语义相似度与 DBSCAN 的指标体系构建(一)基于 Word2vec 的语义相似度Word2vec 是 Mikolov T 提出的一种基于深度学习的文本向量化方法13，其通过求合的方式替代了神经网络中的投射层，将词库映射到更低的向量维度，从而解决 one hot 等模型空间稀疏的问题，是一种分布式词向量。Word2vec 提供了Skip gram 和 CBOW 两种训练模型，前者通过中心词预测上下词，后者通过上下词预测中心词，且在大样本下具有更好的模型精度。本文采用CBOW 模型进行向量训练，目标函数为对数似然函数 L14:L=WClnP(WContext(W)(1)式中:Context(W)表示语句中词语 W 的上下文，其长度由滑动窗口大小决定;W 是语料库 C中的任意一个词语。将文本转化为词向量后，通过计算词语间的余弦值来度量其语义相似度。计算公式如下:similarity(，)=qt=1(t t)qt=1(t)2qt=1(t)2(2)式中:similarity(，)为词 与词 的语义相似度，介于 1 与 1 之间，值越大越相似;q 为语料库的维度;t为词 第 t 个维度的值;t为词 第 t 个维度的值。(二)基于 DBSCAN 的主题聚类在得到各词语间的语义相似度后，需利用聚类算法提取在线评论中的文本主题以构建生鲜电商服务质量评价指标体系。相比于 k means 等经典聚类算法，DBSCAN 不需要事先预设簇的数量。因此，本文采用 DBSCAN 算法进行主题聚类，具体流程为:第一步，确定由词间语义相似度构成的对象集 D，随机选取一个对象 p 并查找其半径邻域内符合密度阈值的所有对象，即 p 密度可达的所有对象;第二步，若 p 为核心对象，011昆明理工大学学报(社会科学版)第 23 卷即以 p 为圆心、为半径的圆内所包含的对象不少于 MinPts 个，则能确定一个簇;第三步，若邻域内的对象刚好等于 MinPts 个，则 p 为边界点，若小于 MinPts 个，则 p 为噪声点，即在任何一个确定好大小的领域内都无法使对象数不少于 MinPts个，需重新寻找下一个对象进行核心对象遍历筛选;第四步，重复前三步，直到找不到满足条件的新簇时算法停止，此时可根据主题内的代表词语确定具体的指标名称，从而构建生鲜电商服务质量评价指标体系 15。二、基于情感词典的生鲜评论属性值计算情感分析是指对非结构化文本数据进行极性判断，即数值量化。相较于问卷调查，受试者不用在刻板的数字间做出选择，具有较高的客观性。实现途径分为机器(深度)学习和基于词典两类，考虑前者需标注大量标签及短文本句子级、细粒度等特性，本文采用基于情感词典对在线评论的属性值进行量化，计算公式如下:Sentiment=1nni=1commenti=1nni=1mj=1degreej(nposij nnegij)+basic(nposi nnegi)(3)式中:Sentiment 是某类生鲜商品的情感强度值，n 是其包含的评论数目，commenti是第 i 条评论的情感得分;m 是程度词的种类数(程度词词典见表 1);npos与 nneg是积极、消极情感词的个数，其中情感词典由各主题下的代表词与基于语义相似度的映射词构成;degreej是第 j 类程度词的权重，包括“很”“非常”等前向程度词与“极了”等后向程度词;basic 是基础情感权重，值为1，而对含有“没”“不”等否定前缀的词语做反向极性处理，权重为 1。表 1生鲜电商程度词词典程度程度词赋值S神速