摘　要：　随着电商模式不断发展和完善，在电商平台上出售的商品种类持续增加。消费者在做出 购买决策之前，通常会参考其他消费者发表的在线评论。目前，电商客户评论中的好评与差评的权 重风险是相等的，当顾客进行产品购买时会存在评论误判风险。针对好评与差评的权重风险相等 的不足，本文提出了一种基于最小风险贝叶斯决策的评价排名方法。提出的方法首先利用网络爬 虫语言抓取所有商品累计评论，形成 ＴＸＴ文档；然后根据已有的停用词词典，对生成的 ＴＸＴ文档 进行文本预处理，并进行关键词的提取，通过关键词的分类将每一条评论生成一个文档，获得关键 词权重；最后利用最小风险贝叶斯决策模型获得风险权重排名，并以天猫为例，与已有排名数据进 行比较。提出方法新获得的排名为最小风险权重下的商家排名，有助于顾客在进行高风险商品购 买决策时根据不同风险偏好，获得最优购买决策。 

关键词：　最小风险贝叶斯决策；文本挖掘；在线评论；排名 中图分类号：　ＴＰ３０９　　　文献标志码：　Ａ