Predicting the “helpfulness” of online consumer reviews

خرید آنلاین به طور فزاینده ای تبدیل به اولین انتخاب مردم در هنگام خرید می شود، زیرا انتخاب بسیار مناسب بر اساس بررسی های آنها بسیار راحت است. حتی برای محصولات ممتاز مشهور، هزاران نفر از نظرات که به طور دائمی در سایتهای تجارت الکترونیک قرار می گیرند وجود دارد. چنین حجم زیادی از داده ها که به طور مداوم تولید می شود می تواند به عنوان یک چالش بزرگ داده برای هر دو کسب و کار آنلاین و مصرف کنندگان در نظر گرفته شود. این باعث می شود که خریداران برای انجام تصمیمات خرید از طریق تمام بررسی ها دچار مشکل شوند. در این تحقیق، ما مدل هایی مبتنی بر یادگیری ماشین ها را ایجاد کرده ایم که می تواند مفید بودن بررسی مصرف کننده را با استفاده از چندین ویژگی متنی مانند قطب، ذهنیت، آنتروپی و سهولت خواندن پیش بینی کند. این مدل به طور خودکار مقادیر مفید برای بررسی اولیه را به محض اینکه در وب سایت قرار می گیرد، به طوری که بررسی شایسته ای برای مشاهده سایر خریداران خواهد بود. نتایج این مطالعه به خریداران کمک خواهد کرد که نقد و بررسی بهتر را ارائه دهند و از این طریق دیگر خریداران را در تصمیم گیری خرید خود و همچنین کمک به کسب و کار برای بهبود وب سایت خود کمک نمایند.