為了解決電子商務(wù)平臺(tái)的信息過載問題，提高消費(fèi)者購(gòu)買決策的效率和準(zhǔn)確性，本書基于在線評(píng)論，深入研究了同類型產(chǎn)品的排序與推薦問題。研究分為兩個(gè)層次。第一個(gè)層次是基于文本挖掘技術(shù)，從在線評(píng)論中提取產(chǎn)品信息，并利用概率語言術(shù)語集對(duì)屬性取值進(jìn)行結(jié)構(gòu)化表達(dá)。該研究成果為建立產(chǎn)品推薦方法提供了數(shù)據(jù)支撐。第二個(gè)層次是基于多屬性決策理論，研究同類型產(chǎn)品推薦方法。根據(jù)消費(fèi)者偏好信息的三種獲取方式，從三個(gè)方面開展了研究：①采用偏好學(xué)習(xí)方法，從在線評(píng)論中提取消費(fèi)者的偏好模型，并建立了一種推薦系統(tǒng)模式下的同類型產(chǎn)品推薦方法；②利用偏好學(xué)習(xí)方法，從消費(fèi)者提供的間接偏好信息中推斷偏好模型，并構(gòu)建了一種推薦代理模式下的同類型產(chǎn)品推薦方法；③基于直接偏好信息，提出了多種基于多屬性決策的產(chǎn)品排序方法，以解決需考慮復(fù)雜決策因素的產(chǎn)品推薦問題，如產(chǎn)品信息是異質(zhì)的、消費(fèi)者具備風(fēng)險(xiǎn)態(tài)度、屬性間存在關(guān)聯(lián)性等。