随着电子商务和用户生成内容的蓬勃发展,网站上积累的海量在线评论已经超出了消费者的信息处理能力,由于信息严重过载,消费者只能选择按照展示顺序浏览部分评论,因此,用科学的方法对评论进行排序尤为必要。现有的评论排序方法基本都是面向消费者群体的,然而,随着大数据技术和定制化服务的普及,为消费者个体提供个性化评论排序显然更符合市场发展趋势。仅有的少数个性化方法只考虑了单一维度的消费者偏好,如何挖掘消费者多维度偏好,生成个性化评论排序,是本文要解决的问题。首先,从多维度立体全面地刻画消费者偏好,是进行个性化评论排序的基础。本文通过分析消费者浏览评论过程中的行为习惯和关注的信息,提出了产品特征偏好、评论情感偏好和评论浏览数量偏好的概念,并且详细分析了各维度偏好的挖掘和量化方法。其次,将多维度偏好加入评论排序模型,根据各维度偏好的特点,确定了它们在模型中充当的角色。依次提出了单条评论、评论集合和评论排序的消费者偏好满意度度量方法,基于该度量方法就可以计算出所有可能的评论排序的期望满意度,从而将评论排序问题转化为优化问题,优化目标是最大化期望满意度,从而得到对应的最优排序。通过一个算例演示了采用该模型进行评论排序的过程,与只考虑单一维度消费者偏好的方法进行了对比分析,验证了考虑多维度偏好的必要性。最后,分析了该优化问题作为一个NP-hard问题的复杂度,提出了用于近似求解的启发式算法,采用国内著名酒店网站的评论数据进行了大量实验,确定了算法的最佳参数,实验结果表明本文提出的算法与其他相关算法相比有效性最好,且具有较高的敏感度。本研究具有一定的现实意义,消费者可以通过浏览符合自身偏好的评论排序信息,感知产品的真实质量,科学制定购买决策;商家可以根据消费者主流偏好和热门评论,对产品进行优化设计,制定相应市场营销策略,从而刺激销量,提高市场竞争力。