为了解决电子商务平台的信息过载问题，提高消费者购买决策的效率和准确性，本书基于在线评论，深入研究了同类型产品的排序与推荐问题。研究分为两个层次。第一个层次是基于文本挖掘技术，从在线评论中提取产品信息，并利用概率语言术语集对属性取值进行结构化表达。该研究成果为建立产品推荐方法提供了数据支撑。第二个层次是基于多属性决策理论，研究同类型产品推荐方法。根据消费者偏好信息的三种获取方式，从三个方面开展了研究：①采用偏好学习方法，从在线评论中提取消费者的偏好模型，并建立了一种推荐系统模式下的同类型产品推荐方法；②利用偏好学习方法，从消费者提供的间接偏好信息中推断偏好模型，并构建了一种推荐代理模式下的同类型产品推荐方法；③基于直接偏好信息，提出了多种基于多属性决策的产品排序方法，以解决需考虑复杂决策因素的产品推荐问题，如产品信息是异质的、消费者具备风险态度、属性间存在关联性等。

吴性丽，四川大学管理学博士，现为四川大学特聘副研究员、硕士生导师。研究方向为决策分析、在线评论、偏好学习等。在Omega、European Journal of Operational Research、Technological Forecasting and Social Change、Information Processing & Management、IEEE Transactions on Fuzzy Systems等海外高水平期刊上以第一/通讯作者身份发表学术论文20余篇，其中，5篇入选ESI高被引论文，3篇入选ESI热点论文。入选斯坦福大学发布的全球前2%科学家榜单（2020-2023）。主持国家自然科学基金青年项目、国家社科后期优秀博士论文出版项目各一项。担任海外高水平期刊Journal of Intelligent and Fuzzy Systems副主编。