基于复杂T-球面模糊云与群体在线评论的新能源汽车优选决策模型研究

为解决海量在线评论信息利用难题，研究人员创新性提出结合情感分析与时间因素的复杂T-球面模糊云(CT-SFC)模型，开发基于态度共识阈值的评论筛选机制，构建多维度决策框架。该研究通过融合文本情感值、产品竞争力时序数据及误差分布特性，显著提升新能源汽车选购决策的精准度，为电商平台消费者提供智能化推荐工具。

　　

随着化石燃料燃烧导致的有害气体排放加剧，交通运输领域产生的CO（一氧化碳）、CH₄（甲烷）、N₂O（氧化亚氮）等温室气体引发严峻环境问题。新能源汽车作为绿色出行解决方案备受关注，但消费者面临新技术认知不足的困境——海量电商平台在线评论虽蕴含产品优劣信息，却存在文本非结构化、时效性差异和情感提取偏差三大痛点。传统模糊集方法难以同时捕捉评论情感维度与时间效应，而极端评论的干扰更可能误导消费决策。

国内某研究机构团队在《Expert Systems with Applications》发表研究，提出革命性的复杂T-球面模糊云(Complex T-spherical Fuzzy Cloud, CT-SFC)模型。该模型通过三步突破性设计：首先将评论情感值与产品竞争力时序数据转化为复数形式的振幅项与相位项；其次引入云模型量化情感提取误差；最后创新基于排序的共识测量法，构建抗极端值干扰的评论筛选机制。研究整合CT-SFC加权Bonferroni均值算子，开发出覆盖评论采集、情感解析、信息过滤到决策推荐的全流程框架。

关键技术包括：1）多情感分析工具驱动的CT-SFC转换模型；2）考虑指标相关性的CT-SFCWBM聚合算子；3）基于非线性规划的态度共识阈值识别算法；4）以汽车之家平台5款新能源车型（AION-Y、BYD-Han等）真实评论为样本的验证体系。

【Complex T-spherical Fuzzy Cloud模型】
通过定义CT-SFC的算术运算与距离度量，将文本情感值映射为具有概率分布特性的三维云滴，有效统一评价模糊性与时间权重。相比传统T-SFC和QROFC模型，其相位项设计使近期评论获得更高权重。

【识别机制】
改进的共识阈值计算方法采用"最小共识度-最大共识度"区间判定，结合新型离散度测量，在特斯拉Model-Y案例中成功过滤17.3%的异常评论。

【决策框架】
实验显示CT-SFC模型使BYD-Han的综合得分提升12.6%，而传统方法因忽略时间维度导致五菱缤果排名虚高9.2%。Ablation Study证实筛选机制使决策稳定性提高23.4%。

该研究开创性地解决在线评论时空维度融合难题：CT-SFC模型突破传统文本分析方法单维度局限，首次实现情感强度、时间效应与误差分布的三元统一；动态共识阈值算法为电商平台虚假评论识别提供新范式。未来研究可扩展至视频评论等多模态数据，但当前成果已为绿色消费决策提供重要理论工具，其云模型-模糊集混合架构对医疗评价、金融风险评估等领域具有普适参考价值。