网络的迅速发展使消费者能够获取到更多地资源信息,商家能够使用更丰富的营销手段和模式,而与此同时,消费者辨别筛选信息的难度增加,商家如何使自己在多样化的营销中脱颖而出,吸引更多的消费者是目前的主要问题。消费者购买行为是一个动态变化的影响因素,也是一个可以被影响的变化因素,在消费者形成购买行为的过程中,存在外部刺激包括商家的营销、其他消费者的购后评价等,也存在内部刺激包括消费者的个人偏好等,“大数据”时代不断冲击着这些刺激因素,使消费者行为研究更加复杂化。本文以在线评论为研究对象,深度挖掘基于在线评论的情感计算方法、动态推荐方法,从而研究情感计算和动态推荐排名等因素对消费者购买行为的影响,获得消费者购买行为的预测结果。首先,针对在线评论的情感计算问题,提出了基于Word2vec的模糊综合评价方法W-FCE。利用Word2vec将文本评论转换为容易计算的向量表示,以词语位置间距为规则,匹配评论中包含的评价对象和评价情感信息,再结合模糊综合评价法进行情感计算。其次,考虑在线评论和用户偏好的动态性,采用W-FCE方法计算商品的特征情感评价、总体情感评价和用户偏好,然后提出了增量式评论影响的计算方法,获得了商品和商品特征的动态推荐结果。最后,基于情感计算结果和动态推荐排名结果,研究了评论内容、情感特征、商品推荐排名对消费者购买行为的影响。基于贝叶斯网络预测消费者购买行为,并在美团网酒店评论数据上进行实证分析。实证分析结果表明,消费者购买行为的影响因素按影响程度从大到小排列顺序为:动态推荐排名>评论分数>评论情感>评论数量。这四个因素的影响中,消费者购买概率最高的为推荐排名在前十名的商品,消费者购买概率波动最大的为评论情感分数这一影响因素。分开来看,随着评论数量的增大,购买行为发生的概率在先减小后增大;随着评论情感分数的增大,购买行为发生的概率在先增大后减小;随着评论分数的增大,购买行为发生的概率在逐渐增大;随着推荐排名的增大,购买行为发生的概率在逐渐减小。因此,商家可以优先考虑调整推荐排名因素和评论情感因素的营销策略。