现如今,电子商务和电子服务飞速发展,网上购物已在人们日常生活中得到广泛应用。然而,由于互联网的虚拟性、匿名性等特点,消费者在选择合适的商品方面面临诸多困难。目前评价系统未考虑到消费者的消费背景和消费心理不同使得评价规范不一致,从而导致不同消费者对同一商品的评分不可比较问题。为了让消费者在评分信息不完整,消费者偏好和评价规范不一致的情况下从海量在线商品中做出正确选择,本文提出一种基于Copeland社会选择理论的在线商品群体评价方法:1.首先基于消费者历史评分间的相似性填充不完整消费者-商品评分矩阵;2.其次建立每个消费者对在线商品的偏好关系,并表达为商品-商品偏好比较矩阵;3.最后利用社会选择理论的Copeland方法将偏好比较矩阵中的商品被偏好次数成对比较,并记录比较的赢输差值作为Copeland评价值,得到在线商品的群体评价,评价值越高,表明商品越优。本文基于相关理论技术分析,验证了方法满足在线商品评价的基本准则和理论性质。并采用真实数据集Movie Lens来模拟在线商品的数据进行实验验证,验证结果表明本文采取的措施可有效处理不同用户间评分不可比较的问题。同时验证了该方法满足孔多塞原则、非独裁性、一致性和操纵复杂性等性质,表明该方法对在线商品评价是有效的。最后,依据本文方法,利用面向对象设计架构,设计并实现了在线商品群体评价原型系统,方便用户快速决策出合适的商品。