随着零售电子商务的快速发展,在线信誉管理系统的研究越来越受到学者们的重视,目前一些简单的在线信誉管理系统已成功地运用于众多C2C电子商务网站以及一些B2C购物代理网站,但是目前的在线信誉管理系统的维度设计还不够完善,针对上述存在的问题,本次研究将从客户评论的角度,采用文本挖掘的方法来研究B2C在线零售商的信誉维度,从而对目前主流的B2C电子商务网站的信誉维度进行优化。本次研究利用文本聚类技术对客户文字评论进行处理与研究,主要可分为两大部分,第一部分为文本转换,它可以分为三个步骤:(1)文本集合的生成;(2)特征项集合的生成;(3)VSM数值矩阵的生成和优化。通过这三步,我们可以将大量复杂的文档转换成可以被计算机直接处理的数值矩阵,为聚类分析奠定了基础,其中,第二步和第三步是我们的研究重点,包括特征项选择算法,权重函数的确定等方面的研究。第二部分为聚类分析与应用,这一阶段由两步组成:(1)将生成的数据矩阵进行聚类分析,得出聚类结果。(2)对聚类结果进行评价检验,并应用到相关领域。在聚类过程中,我们将采用层次聚类和k-means聚类相结合的方式,用层次聚类算法作为主要的聚类手段,而用k-means聚类算法进行迭代检验。在得出聚类结果之后,我们将进行知识提取,并应用到相关领域。通过本次研究我们可以发现聚类分析在电子商务中的应用是可行的,并且具有很重要的意义。这是一种新的信誉维度确立方法,具有一定的科学性和合理性。除了确立在线零售商的信誉维度,我们在聚类过程中还可以发现不同客户群体和不同零售商群体的典型特征,从而制定出差别化的客户服务方案等。随着统计技术与计算机技术、人工智能技术的紧密结合,新的面向具体应用领域的、具有弹性的聚类分析技术和应用软件将会层出不穷,其解决问题的广度和深度将会得到更大的提高。