产品口碑的形成来自于消费者的反馈积累,消费者在消费后撰写评论是新兴时代下消费后的一种重要反馈。评论评分行为对消费者、商家和平台存在一定的正向作用:消费者通过评论评分方式表达自身的喜好,满足自身对产品体验倾诉的需求;商家可以从消费者的反馈中理解用户的需求,根据消费者评论表达的诉求进行行为的改正和策略的修订,针对性地将商品质量、服务水平、环境卫生进行优化,从而提升商家的服务水平;一些开放的用户点评评价平台满足了消费者和商家的需求应运而生,将商家聚集到平台上,消费者除了在其中撰写评论,也会浏览评论信息,进行社交互动,对商家、产品的选择难免受到影响,成为线上的商家选择指南,但是商家和消费者众多,并且伴随着大数据时代的到来,平台很多过载的信息很多未能发掘,需要推荐方式获得精准用户-商家匹配。想要进行精准地推荐,需要首先弄清消费者的反馈行为是受到哪些因素的影响,探究消费者的评论评分行为的影响因素分析,最后基于消费者受影响的特性构建产品推荐模型。消费者的评论评分反馈行为是用户在商家产品体验的反馈,即是产品对消费的需求和喜好的匹配,产品能否达到用户的满意程度,本文从消费者在平台的使用体验角度提出核心研究假设:假定商家质量和信息等“物的属性”保持稳定,影响消费者评论评分行为的因素则是人的因素。一方面是每个消费者的本身属性,人本身的拥有的偏好、兴趣和个人属性对评论评分行为产生影响。另一方面是人与人之间在平台的交互和社交,对消费者行为产生影响。基于以上的研究假设,本文首先确定消费者行为中评论评分的指标,分析时间、地理等外界因素对消费者行为的影响,消除时间、空间等对商家质量等因素的影响,使“物的属性”保持不变。然后,一方面研究人本身属性对消费者行为的影响,如消费者的性别、家乡、历史喜好等;另一方面深入研究社交关系和社交网络对消费者的行为影响。最后整合影响消费者行为两个方面的研究结果,基于理论和前人研究,提出构建社交熟识度的计算方法,尝试社交熟识度和用户相似度融合的方法,从而改进基于消费者的推荐,保证在海量生成数据中,将适合的内容推荐给目标用户,可以提高用户的使用体验,解决平台发展产生的信息过载问题。本文通过撰写爬虫程序和搭建爬虫框架,获取到南京大众点评商铺496万多条点评数据和125万多个评论用户数据和接近5万条商家信息数据进行实证研究。数据共计38个维度特征,通过基于数据分析用户和商家的典型特征进行统计分析,研究评价行为在时间、空间的表现,创新地探索性地研究用户之间的关注关系和社交重合程度对用户行为的影响。基于以上的研究分析结论,提出计量用户相似度的公式,将用户之间的社交影响关系融合到传统的协同过滤推荐模型,优化预测用户到商家生成评论的评分效果。保证用户满意的消费体验,优化平台的服务水平。本文通过真实数据进行实证分析表明在商家质量保持不变的情况下,消费者评论评分行为受到用户自身属性性别、家乡等因素影响,也会受到消费者社交关系的影响。在用户属性和社交关系影响结论下,基于社交关系改进推荐算法产生较好的推荐效果,使传统的协同过滤推荐算法的准确度和覆盖率分别提升7%以上。