来源：期刊VIP网 时间：
作者：李博;彭杰;李凯;
单位：浙江工商大学统计与数学学院;
摘要：鉴于酒店行业在线评价体系的复杂性及其对目标市场定位的重要性，本文通过分析在线评论、优化酒店服务与潜在顾客之间的匹配度，创新性地提出了一种新的酒店推荐算法，旨在提高复杂情景下推荐结果的准确性，提升顾客满意度及酒店的市场竞争力。首先，描述研究问题，突出筛选机制在电子商务交易匹配系统中的重要性。其次，为尽可能地保留原始评论数据，引入复杂信息表征工具，将文本形式的在线评论转化为概率语言术语集（probabilistic linguistic term sets,PLTSs）信息。再次，考虑海量的评论主体通常具有不同犹豫程度的偏好，考虑悲观和乐观偏好，提出一种基于不完全模糊关系的双极偏好权重分配方法。接着，结合高斯混合聚类算法，提出概率语言环境下的分布熵惩罚-高斯混合（DEPGMM）聚类算法，并获取在线评论隶属于不同类别的条件概率，进而获得聚类等价类。进一步，引入三支决策理论方法，给出面向智能推荐的概率语言三支决策过程。最后，通过对三家酒店筛选排序，结合参数分析和对比分析验证所提出方法的有效性和可行性。
关键词：在线评论;;DEP-GMM;;概率语言术语集;;三支决策;;后悔理论
基金资助：浙江省哲学社会科学规划青年课题“基于概率偏好集的匹配评价方法与应用研究”（24NDQN074YB）;; 浙江省登峰学科（浙江工商大学统计学）资助“考虑多指标合作与交互特征的酒店在线评论分析与推荐机制研究”（1020JYN6524001G-019）
