基于影评数据的在线评论有用性影响因素研究

  本文关键词：基于影评数据的在线评论有用性影响因素研究，由笔耕文化传播整理发布。

第１３卷第８期 ２０１０年８月

管理科学学报
ＪＯＵＲＮＡＬ ＯＦ ＭＡＮＡＧＥＭＥＮＴ ＳＣＩＥＮＣＥＳ ＩＮ ＣｍＮＡ

Ｖ０１．１３ Ｎｏ．８ Ａｕｇ．２０１０

基于影评数据的在线评论有用性影响因素研究①
郝媛媛，叶强，李一军
（哈尔滨工业大学管理学院，哈尔滨１５０００１）

摘要：面对互联网上海量的在线客户评论，如何能快速有效地进行识别和选择从而发现和利 用其中有用的评论，已经成为人们关注的重要问题．以体验型商品电影的在线评论为研究对 象，结合文本挖掘技术和实证研究方法，从文本特征出发探索影响在线评论有用性的因素，建 立在线评论有用性影响因素模型，并利用该模型对评论有用性进行分类预测．与现有相关研究 相比，提出的模型总体拟合效果显著提高，并发现在线影评中积极的情感倾向、较高的正负情 感混杂度、较高的主客观表达混杂度以及较长的平均各句长度，对评论的有用性具有显著的正 面影响．最后预测结果表明，该模型对在线影评的有用性具有较强的判别能力． 关键词：口碑；在线评论；有用性；文本特征；正负情感；主客观表达形式；文本挖掘
中图分类号：Ｆ７１３．５５ 文献标识码：Ａ 文章编号：１００７—９８０７（２０１０）０８—００７８一ｌｌ

０

引

言

息搜索成本．尽管如此，评论文本信息仍然是人们 决策的重要参考源，很多评论阅读者仍需通过查 看评论文本来了解产品好坏的具体方面，如对
Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站（ｍｏｖｉｅｓ．ｙａｈｏｏ．ｅｏｍ）上影评

口碑（ｗｏｒｄ－ｏｆ－ｍｏｕｔｈ）是个体间关于产品或服 务看法的非正式传播方式…．消费者行为及营销 领域的众多研究ｕ一１均表明，口碑传播对消除购 买者的不确定性，辅助其做出有效决策具有重要 作用（特别是在体验型商品购买决策过程中）．现 今，互联网强大的信息存储和搜索功能为口碑的 交流提供了极大的方便，更多人在网上论坛、聊天 室、博客和专门的商品评论网站等网络空间发表 和共享有关商品的评论，为消费者提供了丰富的 决策参考信息（特别是专门的商品评论网站上展
示了更为集中和全面的商品评论，本文的研究即

有用性评价信息的统计结果显示：对于多数电影， 其所有评论中平均至少有５２％的评论的文本被 阅读过．在线评论的文本内容可长期存储并累积 下来，可为人们提供海量的信息资源，但并非所有 评论都有价值，由于网络的匿名性、非面对面地接 触、沟通成本低廉等特征¨Ｊ，评论的质量往往良 莠不齐，一些评论者会不负责地随意发表评论．评 论信息的过载及其质量的参差不齐严重干扰了评 论阅读者对商品质量的有效判断，增加了信息搜 索成本，降低了决策效率．因此，及时有效地识别 在线评论文本中有价值的信息对提高消费者的决 策效率和效果至关重要．目前，一些网站提供评论 的有用性评价信息来帮助评论阅读者识别评论的 价值．但该指标需要长时间累积，无法及时提供最 新发布的评论的有用性信息，应用效果欠佳［６］．

主要针对这类在线评论）．但与此同时，也带来了 信息大爆炸时代的普遍问题：面对海量评论，评论 阅读者可能“迷失”其中，无法有效识别和利用其 中有价值的信息来判断商品的真实质量．
针对这个问题，一些评论网站提供评论者对

商品总体评分的信息，以帮助人们无需阅读评论 文本即可了解评论者对商品的总体评价，降低信
①收稿日期：２００８—１０—１３；修订日期：２００９—０７—１５．

基金项目：国家自然科学基金资助项目（７０７７１０３２；７０８９００８０—７０８９００８２）

作者简介：郝媛媛（１９８ｌ一），女，黑龙江哈尔滨人，博士生．Ｅｍａｉｌ：ｈａｏｙｙ０１１２＠１６３．咖

万方数据

第８期

郝媛嫒等：基于影评数据的在线评论有用性影响因素研究

一７９一

因此，有必要从评论的文本特征出发，挖掘影响在

指出，人们更倾向于发表或关注极端评论而不是 中间评论，因为对产品极端正向或负向的体验更 容易引发口碑交流行为．Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ¨１在研
究中设置了哑变量来考察极端评论与中间评论对 评论有用性影响的差异，结果发现极端评论的有 用性评价高于中间评论．另外一些学者进一步认 为极端评论中正向评论与负向评论的影响亦存在

线评论有用性的重要特征，以实现在评论发布后 即能自动识别评论有用性．
目前，尽管文本挖掘技术的重大进展使文本

中情感特征的自动识别成为可能，但将文本挖掘 技术和基于理论的实证研究相结合，从文本特征 角度探索在线评论有用性影响因素的研究较为缺 乏．国内研究的重点主要集中在对网络口碑的研 究现状进行综述（如文献［７—８］），或研究网络口 碑文本挖掘技术（如文献［９］），或探讨口碑传播 的内在机制及传播意愿（如文献［１０—１３］），或从
商家视角探索网络口碑与口碑效应或购买意愿的

差异．在传统口碑传播的研究中，很多学者曾指出
负向口碑比正向口碑更影响人们的决策，并运用

不同理论解释人们更关注负向口碑的原因：如心 理学领域有关印象形成的研究¨列发现，人们在对
某一对象进行评价的心理过程中，会对有关被评

关系（如文献［１４—１７］），而从客户角度探讨什么 样的评论对消费者决策更有帮助的研究基本空白．
而国外这类研究刚刚起步，Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ【６Ｊ初探 性的研究主要针对搜索型商品（如视听播放器、

价对象的负面信息赋予高于正面信息的权重，这 是因为人们在面对正面和负面消息或事件时的反
应强度是不同的，负面消息给人们的心理唤醒、注

意、情绪、评价、归因以及社会行动等反应所造成 的刺激都要强于正面信息．在营销领域，Ａｈｌｕｗａｌｉａ 等啪１发现，消费者通常会认为负面信息比正面 信息更具诊断价值，因而在购买决策时更多地依 赖负面信息．而近年，比较不同类别商品正负面口
碑影响的一些研究则得出相反的结论，如Ｓｅｎ和

数码相机等），分析评论的主客观倾向及主客观 混杂度对商品评论有用性的影响．尽管Ｇｈｏｓｅ等 做出了有益尝试，但仍存在以下问题：１）仍有影 响评论有用性的重要因素未纳入到模型中，这影 响了模型预测力的提高．２）模型中仅将评论正负 情感倾向分为极端评论与中间评论两类进行考 察，而未进一步分离并考察极端评论中正面和负 面情感对评论有用性的影响是否存在差异．３）仅
研究了搜索型商品在线评论的有用性，研究成果

Ｌｅｒｍａｎ¨川对体验享乐型和实用性两类商品的实 证结果表明在线评论的不同情感倾向对评论有用
性的影响确实存在差异，不过是正向评论的影响

更大，且对于体验享乐型商品，其负向评论的有用 性要低于实用型商品．一些理论支持了体验型商
品负向评论影响不大的结论：如Ａｄａｖａｌ瞄。提出了

是否可推广至体验型商品有待验证．
因此，基于现实中对及时有效地识别在线评

论有用性的迫切需要，在Ｇｈｏｓｅ等已有研究基础 上，本文以体验型商品——电影为研究对象，进一 步考察正面和负面情感对评论有用性影响的差 异，并发掘影响评论有用性的其他重要文本特征 因素，建立拟合度更高的评论有用性影响因素模
型，帮助消费者更准确及时地识别评论有用性，提

情感一致性理论，他发现，当潜在消费者评判商品 的体验属性时，往往对与自己心情一致的属性信
息给予更大权重．当消费者阅读体验型商品的评

论时往往怀着正向的预期和心情（希望选择一种 使其心情愉悦的商品），而负向评论与消费者当
时正向的心理预期恰恰相反，因此负向信息对消

高决策效率和效果．

费者决策的影响被降低．另一种从决策过程角度
出发的解释是，实用型商品购买的主要目标是效

理论基础及假设的提出
１．１评论的正负情感与评论有用性 一些学者的研究表明评论的正负情感影响着

用最大化旧Ｊ，而用于效用判断的商品属性标准都
是明确、可感知、客观的，因此人们可以依赖已消

费者的口碑反馈来了解商品的这些属性；而对体 验型商品的评价则复杂得多，消费者追求的目标 是对获得某种更高层次价值的预期的最大化ⅢＪ， 实现何种价值以及对价值的预期在个体消费者之 间存在重大差异，很难有公认的判别标准．既然一

消费者对评论价值的感知，不同正负情感的评论 发表的比例和受关注的程度均可能存在差异，从
而导致评论有用性存在差异．如Ｄｅｌｌａｒｏｃａｓ等…１

万方数据

一８０一

管理科学学报

２０１０年８月

些人对体验型商品的负向评价不一定被其他阅读 者认可，而评论阅读者对这类商品的预期往往又 倾向于正面，因此，对于体验型商品，负向评论对 人们决策的参考价值被减弱．Ｓｅｎ和Ｌｅｒｍａｎ悼刈基
于归因理论（ａｔｔｒｉｂｕｔｉｏｎ ｔｈｅｏｒｙ），从评论者发表评

Ｄｕｈａｎ等的定义，将评论的观点句中客观表达形 式的句子（简称ｏｂｊｅｃｔｉｖｅ ｅｘｐｒｅｓｓｉｏｎ）定义为：一般 以陈述的语句，采用第３人称语气，客观地评述商 品总体或其各属性特征，这类评论句的表达通常 与影评专家影评的表达形式相近，例如，“Ｔｈｅ
ａｎｉｍａｔｉｏｎ ｈａｓ ｉｍｐｒｏｖｅｄ ｑｕｉｔｅ ｌａｄｙ ｒｅａｌｉｓｔｉｃ ｔｏ
ｗｅｒｅ
ａ

论的动机的角度解释和验证了关于体验型商品的 负向评论影响减弱的原因：对于体验型商品，消费 者更倾向于把评论者发表负向评论的动机归因于 与个人相关而非与商品本质相关，因而认为负向 评论缺乏可信性．借鉴Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ旧。对所研 究的评论文本特征选择了平均值（反映特征倾向 的集中趋势）和标准差（反映特征的混杂程度）两 个指标，本文也同时考察各文本特征的均值及标 准差对有用性的影响，其中，评论正负情感混杂度 可能正向反映评论的客观性，因此预期该指标对 评论有用性的影响为正．综合以上理论阐述，提出
假设Ｈ１．

ｌｏｔ ａｎｄ ｉｓ ｓｐｅｃｔａｃｕ—

ｗａｔｃｈ．Ｔｈｅ

ｍｕｓｉｃ ａｎｄ ｓｏｕｎｄ ｅｆｆｅｃｔｓ

ａｌｓｏ ｂｕｚｚｉｎｇ ｗｉｔｈ ｄｅｌｉｇｈｔｆｕｌ

ｅｎｅｒｇｙ．”．而评论

的观点句中主观形式表达的句子（简称ｓｕｂｊｅｃｔｉｖｅ ｅｘｐｒｅｓｓｉｏｎ）定义为：除客观表达形式之外的通常 采用第１人称语气，带有很强个人主观色彩的观 点评述，例如“Ｆｏｒ
Ｗｅ
ｃｈｉｌｄｒｅｎ ｗｉｔｈ
ｎｏ

ＵＳ，ＩＣＥ ＡＧＥ２ ｉｓ

ａ

ｇｒｅａｔｅｓｔ ｆｉｌｍ．

ｌｏｖｅ Ｓｉｄ ｗｉｔｈ ｂｉｇ ｅｙｅｓ！”。“ｔｅｒｒｉｂｌｅ．ｅｖｅｎ ｓｍａｌｌ ｕｎｄｅｒｓｔａｎｄｉｎｇ ｏｆ ｗｈａｔ ｐｏｏｒ ａｃｔｉｎｇ ｉｓ ｉｆ ｐｏｏｒｌｙ

ｗｉｌｌ ｔｈｉｎｋ ｔｈｉｓ ｍｏｖｉｅ

ａｃｔｅｄ．”．如前所述，

特别是对于体验型商品，每个人的观点可能千差 万别，个人观点不一定被其他评论阅读者接受．而 如果以较为中立的口气来客观评述电影各个方面
的好坏，要比试图将主观情感好恶强加于人要更

Ｈ１在线评论内容的正负情感对评论有用 性存在影响．其中： Ｈ１—１评论内容的平均正向情感倾向对评 论有用性存在正向影响．（即评论的正向情感倾 向越大，评论的有用性越高）． ＨＩ一２评论内容的正负情感混杂度对评论 有用性存在正向影响．
１．２评论中观点的表达形式与评论有用性 对采集的在线影评数据的文本特征进一步分 析发现，在评论中，观点评价的内容在表达形式上

具有说服力．另外，评论表达形式的混杂度同样可 能正向反映评论的客观性．因此，本文提出以下假 设Ｈ２．
Ｈ２在线评论内容中观点句的主观与客观

表达形式对评论有用性存在影响．其中： １１２—１评论内容中观点句的平均主观表达 倾向对评论有用性存在负向影响．（即评论主观 表达的倾向越大，评论有用性越低）． Ｈ２－２评论内容中观点句的主客观表达形 式的混杂度对评论有用性存在正向影响．
１．３评论的体裁与评论有用性

也存在很大差别，有用性较高的评论中采用客观 形式表达的句子更多，观点句的主观与客观表达 形式对评论的有用性的影响可能存在差异．营销 领域中，Ｄｕｈａｎ等Ⅲ１曾对口碑的主客观表达形式 相关概念做过相应的界定，他们将口碑分为“小
ｆｅｃｔｉｖｅ

在机器语言学习研究领域，Ｐａｎｇ和ＬｅｅⅢｏ从 评论文本体裁的角度将文本内容分为客观 （ｏｂｊｅｃｔｉｖｉｔｙ）和主观（ｓｕｂｊｅｃｔｉｖｉｔｙ）两类，并提出了 识别这两类文本内容的机器自动分类技术．其中， 客观的文本内容被定义为：评论者对商品特征或 属性做出的与商家描述一致或不一致的描述；而 主观的文本内容被定义为：评论者对商品的主观 态度或情感的表达，这类文本内容不会出现在商 家的商品描述信息中．为与前面提出的主客观表 达形式文本特征相区别，对从文本体裁角度将文 本内容分成的两类内容称为“观点评价”和“客观 描述”．Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ∞ｏ进一步研究了这两类

ｃｕｅｓ”和“ｉｎｓｔｒｕｍｅｎｔａｌ ｃｕｅｓ”两类内容，其中

“ａｆｆｅｃｔｉｖｅ

ｃｕｅｓ”定义为基于购买者内在主观标准

（如美感、艺术效果等）的评价；“ｉｎｓｔｒｕｍｅｎｔａｌ
ｃｕｅｓ”定义为基于产品属性的客观评述．Ｄｕｈａｎ等

揭示了主客观表达形式的重要区别，即客观表达 形式的口碑中包含更多的评述产品属性的内容． 而在分析中发现，文本评论的表达方式（如语气 和用词等）都会影响评论者的主客观表达效果．
如评论“ａ
ｓｅｅ

ｍｕｓｔ

ｓｅｅ

ｆｉｌｍ．”在表达上要比“ｙｏｕ

ｍｕｓｔ

ｉｔ！”更客观，更容易让人接受．因此，借鉴

万方数据

第８期

郝媛媛等：基于影评数据的在线评论有用性影响因素研究

一８１一

文本体裁对视听产品和数码相机两种商品在线评
论有用性的影响，结果发现这些商品评论中平均

有用性存在正向影响． Ｈ５在线评论标题的观点评价倾向对评论
有用性存在正向影响．

观点评价倾向越大（即观点评价的内容越多），评 论有用性越低，而既有观点评价又有对商品的客 观描述，两类信息越混杂，评论的有用性越高．对 于体验型商品来说，Ｎｅｌｓｏｎ曙¨指出这类商品的主 要属性通常不易判断，需要通过体验才能获知．这 样，对于体验型商品，商品客观描述不足以帮助人 们判断其真实质量，而其他用户的主观感受和评 价对其决策的影响增大．另外，无论对于什么类型 的商品，既包含观点评价又包含客观描述的评论 更全面地反映了商品的质量，对消费者决策的影 响更大．因此，本文提出假设Ｈ３．
Ｉ－１３在线评论内容中客观描述和观点评价

Ｈ６在线评论标题中观点句的主观表达倾 向对评论有用性存在负向影响．
１．５其他控制变量与评论有用性

Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓｌ６１在其研究中加入了评论
发布天数和评论可读性两个控制变量．实际上，评 论发布天数越长，对电影关注的热度可能会逐渐 减弱，因此电影的评论被关注并被评价的可能性

就会降低，因此本文初步认为评论发布天数对评 论有用性存在负向影响．对于评论可读性，Ｇｈｏｓｅ 等认为阅读评论的认知成本（评论的可读性）会 影响评论有用性，并以评论中平均每句长度作为 可读性代理指标，结果发现评论可读性对评论有 用性存在正向影响，与其初始理论解释相反，两者 的关系有待进一步检验．因此，本文提出假设Ｈ７
和Ｈ８．

两类体裁对评论有用性存在影响．其中：
Ｈ３－１

评论内容的平均观点评价倾向对评

论有用性存在正向影响（即评论的观点评价倾向 越大，评论有用性越高）．
Ｈ３－２评论内容中观点评价与客观描述的

Ｉ＇Ｉ＇／在线评论发布天数对评论有用性存在 负向影响．
Ｈ８在线评论内容中平均句子长度对评论 有用性存在影响．

混杂度对评论有用性存在正向影响．
１．４评论标题与评论有用性

对于在线评论，文本内容可细分为评论标题 和评论内容（即正文）两部分．在Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ
的研究№１中，评论标题并未被列为评论文本来加

２在线评论有用性影响因素模型
基于以上理论假设，建立在线评论有用性影
响因素模型（见公式（１））．以在线评论的文本特

以考察．而评论标题也可能对评论总体有用性存 在影响，因为：网上评论与网下口碑传播的显著差 异是网下口碑往往是被动接受，而网上评论必须 经过消费者主动搜索才能获得，这种主动获取信
息的方式使消费者可以自主挑选感兴趣的评论而

征——评论内容的正向情感倾向、观点评价倾向 概率及观点句中主观表达倾向概率的平均值和标 准差，以及评论标题的正向情感倾向概率、观点评 价倾向概率、主观表达倾向概率的平均值作为自 变量，对评论有用性进行回归．其中，采用网站上
提供的认为该评论有用的投票数和总投票数相除

有选择地进行阅读．帮助其初步判断评论是否值
得进一步阅读的重要工具就是评论的标题，标题

是正文内容的概括和宣传广告，评论标题具有吸 引力，才有可能进一步引发消费者阅读评论内容 的行为．基于以上经验总结，本文认为，不被关注
即无法产生影响，评论标题影响着评论内容被阅 读并产生影响的可能性，因而影响着消费者对评

得到的比例值作为评论有用性的代理指标．而对 于评论对特定商品的正向情感倾向，采用网站上 该条评论对商品的打分作为代理指标，而不采用
机器挖掘方法得到的概率值，主要考虑是：评论者

论有用性的评价．对于标题文本特征的影响方向， 我们预期与评论正文文本特征的影响方向一致．
因此，提出假设Ｈ４一Ｈ６．（评论标题通常较短，仅

打分是最为原始的数据，比由机器学习估算出的
概率更准确客观．参考Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ的研 究［６ Ｊ，评论有用性、评论发布天数以及可读性均

有一句的标题占多数，故不考虑混杂度指标．） Ｈ４在线评论标题的正负情感倾向对评论

采用常用对数形式．各变量的符号及解释见表１．

万方数据

一８２一

管理科学学报

２０１０年８月

Ｌｏｇ（Ｈｅｌｐｆｕｌ）ｋｒ＝ａ＋口ｌ（Ｒａｔｉｎｇ）ｋｒ＋岛（ＤｅｖＰｏｓ）ｋｒ＋卢３（ＡｖｇＳｕｂ）ｈ＋角（ＤｅｖＳｕｂ）ｈ＋ 卢５（ＡｕｇＳｕｂＥｘｐ）ｈ＋卢６（ＤｅｖＳｕｂＥｘｐ）ｋｒ＋ＪＢ７（ｔｉｔｌｅ＿ＡｖｇＰ０５）ｋｒ＋卢８（ｔｉｔｌｅ＿ＡｖｇＳｕｂ）ｈ＋ 岛（ｔｉｔｌｅ＿ＡｖｇＳｕｂＥｘｐ）ｈ＋卢１０Ｌｏｇ（Ｅｌａｐｓｅｄｄａｙｓ）ｋｒ＋卢１１Ｌｏｇ（Ｒｅａｄ）ｈ＋占ｋｒ
表１
Ｔａｂｌｅ
１

（１）

模型中各变量代表符号及解释
Ｅｘｐｌａｎａｔｉｏｎｓ

ｆｏｒ ｖａｒｉａｂｌｅｓ ｉｎ ｔｈｅ ｍｏｄｅｌ

变量

解释 评论有用性比例（有用的投票数／总投票数）（常 用对数形式）

变量

解释

ＬｏＳ（Ｈｅｔｐｆｑ）ｈ

（ＤｅｖＳｕｂｇｘｐ）ｈ

商品ｋ评论ｒ观点句中主观表达倾向概率的
标准差

（Ｒａｔｉｎｇ）ｈ （ＤｅｖＰｏｓ）ｈ （ＡｖｇＳｕｂ）ｈ （ＤｅｖＳｕｂ）ｈ

商品ｋ评论ｒ内容的正负情感倾向打分 商品ｋ评论ｒ内容的正向情感倾向概率的标准差 商品＆评论ｒ内容的观点评价倾向概率 商品ｋ评论ｒ内容的观点评价倾向概率的标准差 商品ｋ评论ｒ平均句子长度（评论中单词总数／句

（ＡｖｇＳｕｂＥｘｐ）ｋｒ （ｔｉｔｌｅ＿ＡｖｇＰｏｓ）ｈ （ｔｉｇｅ．ＡｖｇＳｕｂ）ｋｒ （ｔｉｔｌｅ＿，４ｖｇＳｕｂＥｘｐ）ｈ Ｌｏｇ（Ｅｌａｐｓｅｄｄａｙｓ）ｋｒ

商品ｋ评论ｒ观点句中主观表达倾向概率
商品ｋ评论ｒ标题的正向情感倾向概率

商品ｋ评论ｒ标题的观点评价倾向概率
商品ｋ评论ｒ标胚的主观表达倾向概率 商品ｋ评论ｒ发表时间距商品发布日的天数 （常用对数形式）

Ｌｏｇ（Ｒｅａｄ）ｈ

子个数）（常用对数形式）

表电影从其发布至影院放映结束这段时间的影评 ３
３．１

研究数据及文本特征识别方法
研究对象

数据，包括各个评论的正负情感倾向打分、发布时 间、有用性评价、标题、正文内容．其中，评论的有 用性评价指由一些消费者在阅读评论后对该评论
是否有用做出投票，然后评论网站将累计的有用

通过对本校市场营销学科教授的访谈，形成 包括小说、音箱、化妆品、电影等８种体验型商品
的候选商品列表．然后，根据Ｎｅｌｓｏｎ的量表旧７ ｏ设

性评价信息以投票总人数中多少人认为有用的形
式呈现给后来的评论阅读者．

计了一道反映商品体验性需求的测项（“您认为 在购买前无需试体验，仅根据网上对该商品的描 述性信息（非买家评论）容易评估其品质吗？ｌ非 常容易……５非常难），并随机邀请本校的１０名 在校大学生对列表中所有候选商品进行打分．结 果显示，被试者对化妆品及电影的体验性需求最 强．最后，选取电影作为体验型商品进行下一步的
实证分析，主要原因是：电影是人们公认的受口碑

通常情况下，电影发布后１个月内影评发布 密集，人们对评论的关注度和评价也较为集中．鉴 于后期的一些评论未被评价可能是由电影受关注 程度降低导致的，后期有用性评价的数据实际上 无法客观地反映评论本身的质量，本文主要考察 １４个样本电影发布后１个月内的评论．另外，一些 评论的有用性评价总票数为１（即仅有１人评 价），考虑到这些评论的评价人数过少，得到的有 用性评价指标值的代表性差，因此，剔除有用性评 价总票数为ｌ的评论．最后，共得到１ ６８６个影评
样本用于模型检验．
３．３

影响较大的商品；另外，电影是典型的体验型商 品，目前研究体验型商品的文献大多选取电影为 研究对象，本文以同一种商品进行研究，有利于研
究结果的比较和验证． ３．２研究数据

文本特征识别方法

模型中，多数评论文本特征的识别均采用机 器文本挖掘分类工具ＬｉｎｇＰｉｐｅ（可在ＷＷＷ．ａｌｉａｓ。ｉ． ｃｏｍ／ｌｉｎｇｐｉｐｅ下载）来实现，应用步骤如下：利用 Ｊａｖａ编程使用其动态语言模型构造相应的分类 器，用人工标注好类别的文本语料进行训练，然后 选用其他测试样本对分类效果进行评估，最后利 用训练好的分类器对未知类别的文本进行情感分 类和倾向概率的计算．

本研究所需的数据均通过Ｊａｖａ程序自动抓 取和解析网页获得．在线影评数据来自美国著名
的Ｙａｈｏｏ！Ｍｏｖｉｅｓ影评网站（ｍｏｖｉｅｓ．ｙａｈｏｏ．

ｅｏｍ）：首先在２００６年度票房排行前５００名电影 中，对动画、喜剧、恐怖、惊悚、战争、冒险、科幻７ 类主要题材分别随机抽取了２部电影作为代表电 影，然后在Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站上抓取这１４个代

万方数据

第８期

郝嫒嫒等：基于影评数据的在线评论有用性影响因素研究

一８３一

本文中文本特征识别所需的训练及测试样 本主要有两个来源：一是研究者提供的语料库，

Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站上除用于１４个电影样本外的其

他电影评论中，选取正向和负向评价语句各４００个作 为正负情感的训练及测试语料．
基于相应的训练语料，对本研究构造的观点

二是Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站上除１４个电影样本外
其他电影的评论数据．具体的选取过程如下：１） 对于评论文本观点评价／客观描述的分类，根据 前述的定义，采用Ｐａｎｇ和Ｌｅｅ提供的电影剧情

评价／客观描述、正负向情感、观点句中主客观表
达３个分类器分别进行训练，然后利用相应测试

描述训练语料库（ｈｔｔｐ：／／ｗｗｗ．ｃｓ．ｃｏｒｎｅｌｌ． ｅｄｕ／ｐｅｏｐｌｅ／ｐａｂｏ／ｍｏｖｉｅ—ｒｅｖｉｅｗ－ｄａｔａ／）中８００个
电影剧情介绍文本作为本研究中电影评论客观描述

语料评估分类器的分类准确率，所得准确率分别 为：８５．１５％，８３．３４％，７８．７１％，说明３个分类器 的分类效果良好．
４

信息的训练及测试语料（其中２／３的数据用作训练， 其余１／３用作测试，以下其他文本特征的训练样本和 测试样本的分配与此相同）；从Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站 上除１４个电影样本外的其他电影评论中，剔除其中 剧情描述及主客观模糊的句子，筛选出７６５个观点评 价句作为电影观点评价信息的训练及测试语料．２） 对于评论观点句的主客观表达形式的分类，根据前
述的定义，从Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站提供的大型影评机 构的影评中，随机选取５００个专家评论文本作为影评 客观表达信息的训练及测试语料；从Ｙａｈｏｏ！Ｍｏｖｉｅｓ ４．１初步统计分析 模型中各变量基本均可被视为连续变量，描 述性统计分析结果见表２．

模型结果分析

为在初步分析中更为清晰地呈现评论情感倾 向与评论有用性的关系，将连续变量——评论有 用性评价指标及电影正负情感打分进行离散化分 类：对评论有用性评价以０．５为分界值将评论分
为“有用”、“没用”两类；另外，Ｙａｈｏｏ！Ｍｏｖｉｅｓ网

网站上除１４个电影样本外的其他电影评论中筛选出 ５００个带有强烈个人色彩的主观表达句作为电影主 观表达信息的训练及测试语料．３）对于影评的正负
情感分类，由于Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站对于每个影评都 有正负情感倾向的打分，因此不用采用文本挖掘方

站评论中的电影正负情感评分采用Ａ—Ｆ ５个大等 级，除Ｆ等级外，每个大等级下又分为３个小等 级，我们将１３个等级合并为３类，即好评（Ａ＋
．Ｂ．）、中评（Ｃ＋．Ｃ－）、差评（Ｄ＋－Ｆ），对样本中３

法对影评的正负情感倾向概率进行计算，但影评的 正负情感混杂度仍需借助文本挖掘方法来求得，从
表２
Ｔａｂｌｅ ２
Ｄｅｓｃｒｉｐｔｉｖｅ ｓｔａｔｉｓｔｉｃｓ

类情感倾向的评论有用性评价数量及比例情况进
行初步统计，结果见表３．
ｏｆ ｖａｒｉａｂｌｅｓ
ｉｎ ｔｈｅ

模型中各变量的描述性统计
ｍｏｄｅｌ

变量 （Ｈｅｌｐｆｕｌ）ｉｘ （Ｒａｔｉｎｇ）ｋｒ （ＤｅｖＰｏｓ）ｈ （ＡｖｇＳｕｂ）ｈ （ＤｅｖＳｕｂ）ｂ （ＡｖｇＳｕｂＥｘｐ）ｈ （ＤｅｖＳｕｂＥｘｐ）ｋｒ （ｔｉｔｌｅ＿ＡｖｇＳｕｂ）ｈ （ｔｉｔｌｅ ＡｖｇＳｕｂＥｘｐ）ｈ （ｔｉｔｌｅ ＡｖｇＰｏｓ）ｈ （Ｒｅａｄ）ｈ （Ｅｌａｐｓｅｄｄａｙｓ）ｋｒ

有效观测值
ｌ １ １

均值
０．６４ ９．０７ Ｏ．３２ ０．８７
Ｏ．１７

标准差
Ｏ．２６

最小值
０．０３

最大值
１

６８６ ６８６
６７ｌ

４．２９

ｌ Ｏ

１３
Ｏ．５０

０．１７
Ｏ．１７

１ １

６８０ ６８０

Ｏ Ｏ ０ ０
０

ｌ

Ｏ．１９ ０．３ｌ ０．１９ ０．２２ ０．４７ ０．４４ ９．４１ １５．６２

０．５７ ｌ Ｏ．５０
ｌ

ｌ ｌ

６６８ ６６８
６８６

０．４５ Ｏ．３ｌ ０．９４ ０．４６ Ｏ．５６ １５．５６

ｌ ｌ

６８６ ６８６ ６７１ ６８６

Ｏ Ｏ Ｏ １

ｌ
１

ｌ ｌ １

９２ ３０

７．６４

万方数据

一８４一
裹３
Ｔａｂｌｅ ３

管理科学学报
三类情感倾向评论的有用性评价统计
ｕｓｅｆｏｌｎｅｓｓ ｆｏｒ ｔｈｒｅｅ ａｔｔｉｔｕｄｅ
ｏｒｉｅｎｔａｔｉｏｎｓ ｒｅｖｉｅｗｓ

２０１０年８月

Ｓｔａｔｉｓｔｉｃｓ ｏｆ

评论情感倾向 总观测样本 差评（Ｆ—Ｄ＋） 评论有用 性评价 没用 有用 ２４６（７０．９０％） １０１（２９．Ｉ％） ３４７（１００％） 中评（Ｃ～Ｃ＋） １１８（６８．６％） ５４（３１．４％） １７２（１００％）
１

好评（Ｂ—Ａ＋） ４１Ｉ（３５．２％） ７５６（６４．８％） １６７（１００％）
１

７７５（４６％） ９１１（５４％） ６８６（１００％）

总观测样本

注：括号中的比例值为有用或没用的相应评论情感倾向类的评论数量与所有这类评论情感倾向的评论数量的比值．

由表３可见，对于样本中带有有用性评价的
ｌ

一１合理，即在线影评对电影情感评分越趋于正
向，越会被认为有用． 模型结果分析

６８６个评论，电影好评的数量（１ １６７个）远远超

过差评（３４７个）和中评（１７２个），反映了不同情４．２

感倾向评论分布呈Ｊ形偏态结构，这与以往多数 研究的分析结果一致．其中，被评为有用的评论在 好评中所占的比例为６４．８％，在差评中占比 ２９．１％，在中评中占比３１．４％．可初步判断，对倾
向于好评的评论更可能被评为有用．

评论内容的平均观点评价倾向（ＡｖｇＳｕｂ）和 观点评价混杂度（ＤｅｖＳｕｂ）存在较高的负相关关 系（一０．８７５），同时将这两个变量放人模型中存
在多重共线性问题．采用逐步回归法回归模型，剔

除不显著变量之后得到最终的在线评论有用性影 响因素模型，模型整体拟合以及标准化参数估计
结果见表４．为检验本文模型的拟合效果是否有

考虑电影问的差异，对１４个样本电影分别进 行了同样的统计，均得到类似结果．另外，考虑评 论有用性分类界值可能对结果存在影响，还以 ０．６为分界值分类评论有用性，，同样得到类似结
果．由此，从样本数据初步统计分析来看，假设Ｈ１
表４
Ｔａｂｌｅ
４

所提高，采用本文使用的影评样本数据对Ｇｈｏｓｅ 和Ｉｐｅｉｒｏｔｉｓ‘６１提出的模型进行拟合（结果见表
４），对照比较两者的估计结果．
ｒｅｓｕｌｔｓ

本文模型和Ｇｈｏｓｅ等研究模型的整体拟合以及标准化参数估计结果
ｆｏｒ
ｔｈｅ

Ｍｏｄｅｌ ｆｉｔｎｅｓｓ ａｎｄ ｓｔａｎｄａｒｄ ｅｏｅ侬ｅｉｅｎｔｓ

ｓｔｕｄｉｅｄ ｍｏｄｅｌ ａｎｄ Ｇｈｏｓｅ’ｓ ｍｏｄｅｌ

本文模型：（Ｆ＝１０３．１９３，，谚＝０．００１；Ｒ２＝０．２７２，Ａｄｊ．Ｒ２＝０．２６９） Ｌｏｇ（ｎｅｔｐｆｌ工１）ｈ＝口＋卢１（Ｒａｔｉｎｇ）ｋｒ＋ＪＢ２（ＤｅｖＰｏｓ）ｋｒ＋岛（ＡｖｇＳｕｂ）ｋｒ Ｉ风（ＤｅｖＳｕｂ）ｋｒ＋ 岛（ＡｕｇＳｕｂＥｘｐ）ｋｒ＋风（ＤｅｖＳｕｂＥｘｐ）ｋｒ＋岛（ｔｉｔｌｅ＿ＡｖｇＰｏｓ）ｋｒ＋卢８（ｔｉｔｌｅ ＡｖｇＳｕｂ）ｈ＋ 岛（ｔｉｔｌｅ＿ＡｖｇＳｕｂＥｘｐ）ｋｒ＋／３ｌｏＬｏｇ（Ｅｌａｐｓｅｄｄａｙｓ）ｋｒ＋卢１１Ｌｏｇ（Ｒｅａｄ）ｋｒ＋占ｂ 标准化系数 估计值 ｔ值
ｂｌ ０．４６“ ２０．６２２ ｂ２ ０．０７“ ３．２ ｂ３

Ｉ以

ｂ５

ｂ‘ ０．０５８’ ２．５９１

ｂ７ ０．０８９’’
４．Ｏｌ

ｂＩ

矗，

ｂｌｏ Ｏ．１１５”

６１１ ０．１２２” ５．６１８

一Ｉ一

一ｌ一

５．４６３

Ｇｈｏｓｅ和ｉｐｅｉｒｏｔｉｓ模型：（Ｆ＝２０．１８９，ｓ垃．＝０．００１；Ｒ２＝０．０３５，ａｄｊ．Ｒ２＝０．０３３） Ｌｏｇ（ｎｅｔｐｆｕｔ）ｂ＝ｃｏｎｓｔ＋卢１２（Ｍｏｄｅｒａｔｅ）ｈ＋卢１３（ＡｖｇＳｕｂ）ｋｒ Ｉ卢１４（ＤｅｖＳｕｂ）ｈ＋ 卢１５Ｌｏｇ（Ｅｌａｐｓｅｄｄａｙｓ）ｋｒ＋卢１６Ｌｏｇ（Ｒｅａｄ）ｋｒ＋占ｈ 标准化系数 估计值 ｔ值
６１２ 一０．１３０．． 一５．４０８ ｂｎ ｂ¨ ｂ坫 Ｏ．１０６” ４．３９３ ｂｌ‘ ０．０９０’’ ３．７２４

一Ｉ— 一ｌ一

注：系数ｂｉ为原模型中晟的标准化系数；’、”分别表不系数估计值在０．０５、０．０１水平上显著；“ｌ”表不其附近的两个变量不能Ｉ司时 放入模型，需要分别代入模型进行估计；“一”对应的变量为系数不显著变量．

对于本文提出的假设模型，Ｆ检验显著，表 标——校正的决定系数（Ａ办Ｒ２）为０．２６９；而 利用本文的影评样本数据拟合Ｇｈｏｓｅ等的研究

模型，其校正的决定系数仍然很低，仅为Ｏ． 种商品的模型总体拟合度分别为０．０７和０．１）． 对于体验型商品——电影的在线评论，与Ｇｈｏｓｅ

明模型线性回归关系成立，总体拟合指０３３（Ｇｈｏｓｅ等研究中对视听商品及数码相机两

万方数据

第８期

郝媛嫒等：基于影评数据的在线评论有用性影响因素研究

一８５一

等人研究模型相比，本文模型的总体拟合度提 高了２３．６％，说明本模型对在线影评有用性的 总体解释力明显好于Ｇｈｏｓｅ等的研究模型；另
外，两个模型均显示电影评论内容的平均观点
表５
Ｔａｂｌｅ
５

评价倾向概率（均值）和观点评价与客观描述两
种体裁的混杂度（标准差）对评论有用性的影响 不显著．本文模型的回归结果对前述假设的支 持情况见表５．

模型估计结果对研究假设的支持情况
ｖａｌｉｄａｔｉｏｎ
ｒｅｓｕｌｔｓ

Ｈｙｐｏｔｈｅｓｉｓ

ａｃｃｏｒｄｉｎｇ

ｔｏ

ｍｏｄｅｌ

ｅｓｔｉｍａｔｉｏｎ

研究假设 Ｉｌｌ：在线评论内容的正负情感对评论有用性存在 影响 Ｈｌ—ｌ：评论内容的平均正向情感倾向对评论有用 性存在正向影响． Ｈ１—２：评论内容的正负情感混杂度对评论有用性 存在正向影响 Ｉ－１２：在线评论内容中观点句的主观与客观表达形 式对评论有用性存在影响

支持情况 、／

研究假设 Ｈ３：在线评论内容的客观描述和观点评价两类体

支持情况

Ｘ

裁对评论有用性存在影响 Ｈ３—１：评论内容的平均观点评价倾向对评论有用
×

、／

性存在正向影响 Ｈ３—２：评论内容中观点评价与客观描述的混杂度
×

、／

对评论有用性存在正向影响 １１４：评论标题的正负情感倾向对评论有用性存在 部分支持 正向影响 Ｈ５：评论标题的观点评价倾向对评论有用性存在
× ×

、／

ｍ—ｌ：评论内容中观点句的平均主观表达倾向对
评论有用性存在负向影响 Ｈ２—２：评论内容中观点句的主客观表达形式的混 杂度对评论有用性存在正向影响 Ｖ

正向影响 １１６：评论标题的平均主观表达倾向对评论有用性
×

存在负向影响

Ｉ－Ｆ／：评沦发布天数对评论有用性存在负向影响

Ｘ

Ｉ＇１８：评论平均句子长度对评论有用性存在影响

、／

注：“、／”表示假设关系显著成立，假设成立；“×”表示假设不成立，包括假设关系不显著或关系相反

在显著影响在线影评有用性的因素中，评论 内容的平均正负情感倾向打分（ｒａｔｉｎｇ）影响最大
且为正向（１００‘４６＝２．８８４），即评论对相应电影的 打分越倾向于正面，该评论越可能被评为有用．这 一结果与初步分析中得到的统计结果一致．其次 是评论标题的正面情感倾向对评论有用性存在正

电影总体或其中一些属性的客观评述，两种表达
形式混杂度越高的评论有用性越高．对于模型中

控制变量，评论中平均句子长度（Ｒｅａｄ）对评论有
用性也存在正向影响（０．１２２），这一指标在Ｇｈｏｓｅ 等的研究中用来反映评论可读性或认知成本，与

有用性应呈反向关系，但Ｇｈｏｓｅ等对视听播放器
和数码相机的研究结果则与其理论假设相反，本 文同样发现评论中平均各句长度（Ｒｅａｄ）对评论 有用性的影响为正向．这个结果虽然从认知成本

向影响（１０ｎ嗍＝１．２５３），即评论标题越倾向于正
面肯定的态度，评论越可能被评为有用，评论标题

往往反映了评论的整个内容，因此评论标题正负
情感的影响与评论内容正负情感的影响保持一致 符合实际情况．再次，评论内容的正负情感混杂度

及可读性角度无法解释，但该指标同时可以反映 评论信息量的丰富性，平均各句较长的评论通常
为正负情感、观点评价与客观描述或主观客观表 达形式混合的评论，因此其有用性更高，从这个角

对评论有用性也存在显著正向影响（１０仉们＝ １．１７５），即既有正面评价又有负面评价，且正负
评价混杂度越高的评论越有用，这类评论往往反

度看结果合理．评论发布天数也显著正向影响评
论有用性（０．１ １５），评论发布天数越长，评论越可

映了评论者观点的客观性，因此更会被评论阅读
者赋予更高权重．另外，评论中观点句的主观与客

能是有用的，与假设相反．这一结果的可能的解释 是：在电影发布初期，一些电影发烧友凭借很少的 参考信息和自己的经验判断选择观看该电影，结
果因为质量确实不好或者不符合自己的口味，很

观表达形式的混杂度也对评论有用性存在显著正
向影响（１０ｎ嘲＝１．１４３），即评论内容中观点句的 表达方式既有个人主观色彩较浓的评价，又有对

万方数据

一８６一

管理科学学报
裹６
Ｔａｂｌｅ ６

２０１０年８月
预测效果评估列联表
Ｆｏｒｅｃａｓｔｉｎｇ

多人不满而归，并向他人传播负向口碑；而后来跟 进者往往较为理性，会根据网上或其他来源迅速 积累起来的丰富内容的评论等信息来做出是否观 看的决策，因此，后来跟进者看电影后好评率可能 更高．对于评论发布天数与评论有用性的关系还 有待进一步证实．
５
预测为有用 的评论数 预测为无用

ｒｅｓｕｌｔ ｅｖａｌｕａｔｉｏｎ

实际被评为有用 的评论数

实际被评为没用 的评论数

４０３（Ａ）

３２（剐

基于影响因素模型的评论有用性 分类预测
为测试上述提出的模型对在线影评有用性的

的评论数

３１６（Ｃ）

５７（Ｄ）

其中，有用评论的查准率

ＰＭ醛加ｎ
分类预测能力，在Ｙａｈｏｏ！Ｍｏｖｉｅｓ网站上随机选取
除１４个电影样本之外其他电影的８０８个在线影评

．．

２丁而
＾

Ａ

有用评论的查全率

舰以ｂ南
综合指数

数据用于评论是否有用的预测．分类预测主要步
骤为：

首先，对待预测评论样本的有用性进行人工 标注．参考Ｇｈｏｓｅ和Ｉｐｅｉｒｏｔｉｓ【６ ｏ的方法，我们雇用 两名编码员对这８０８个电影评论预测样本进行有 用／没用的分类．然后，采用ｋａｐｐａ统计指标衡量 两个编码员分类结果的内部评论者一致性
（ｉｎｔｅｒ－ｒａｔｅｒ ａｇｒｅｅｍｅｎｔ）．算得Ｋａｐｐａ系数Ⅲ】＝

，一胱∞岍２—Ｔ———Ｔ—

一

２

ｐ—ｒｅｃｉ—ｓｉｏｎ＋忑孤

为查准率及查全率的调和平均数． 根据以上公式计算出：有用评论的查准率＝ ９２．“％，查全率＝５６．０５％，综合指数＝ ６９．８４％．这３个指标值说明，本文模型尽管对评 论有用性比例的总体拟合较低，但对在线影评是
否有用的二分类预测仍具有较强的判别能力．

（实际一致率一理论一致率）／（１一理论一致率）
＝０．７６，表明两个编码员对评论样本的感知和理 解一致性良好．

其次，确定评论有用性比例与评论是否有用 的对应关系，即需要确定一个合适的分界值按评 论有用性比例将评论分为有用／没用两类．结果 显示，如果确定分界值为Ｏ．５，则分类错误率最
小．因此，有用性比例＞＝０．５的评论被分类为

６

结束语
互联网上日益丰富的商品评论信息为人们的

决策提供了更多参考，然而其中充斥的大量良莠 不齐的评论也给消费者带来了困惑，降低了决策 效率和效果．评论有用性评价信息需要长期积累 才能真正发挥作用限制了其实际应用效果，因此， 在评论发布后挖掘文本特征，并通过这些文本特
征帮助评论阅读者及时地识别评论有用性成为迫 切需要解决的问题．而目前，旨在解决此问题的研

“有用”，而有用性＜０．５的评论被分类为“无
用”．

最后，分类预测评论有用性及评估预测效果．
预测过程如下：将８０８个预测评论样本利用本文

提出的模型求得评论有用性比例，并根据上面确 定的有用性分界值将预测结果分为“有用”和“没 用”两类，然后将模型分类预测的结果与人工分 类结果做比较．此部分的预测任务为判断在线评 论是否有用，为二值分类，借助二维列联表
（ｃｏｎｔｉｎｇｅｎｃｙ ｔａｂｌｅ）计算查准率、查全率及两者

究仍很缺乏．本文以体验型商品——电影的在线 评论为研究对象，从消费者角度出发，以为评论阅 读者及时提供评论有用性信息为目标，结合文本 挖掘技术与实证研究方法，建立了在线评论有用
性的影响因素模型，并用于评论有用性的分类 预测．

合成的综合指数，以此来评估模型的预测效果
（见表６）．

本文将评论有用性的研究扩展到体验型商

万方数据

第８期

郝媛嫒等：基于影评数据的在线评论有用性影响因素研究

一８７一

品领域；另外，除借鉴其他相关研究中涉及的文
本主客观体裁等特征之外，本文还考察了评论

对在线影评是否有用具有较强的判别能力．从实 际应用的角度，本研究可帮助评论网站设计者根 据评论文本特征对评论是否有用进行及时和自动

文本的平均正负情感倾向及混杂度、平均评论
文本观点句中主客观表达倾向及混杂度等文本 特征对评论有用性的影响，并区分了评论文本 中评论标题和评论内容对评论有用性的影响． 对体验型商品电影数据的实证检验结果表明， 与现有相关研究相比，本文提出的在线评论有

的识别，将有用评论靠前放置，方便消费者阅读， 从而帮助其提高决策效率和效果． 本文尚有一些不足有待改进：１）由于数据收 集和处理的限制，本文仅选取了一种体验型商品 电影作为研究对象，文中结论对其他体验型商品
的适用性还有待进一步检验，这将是作者未来研

用性影响因素模型总体解释力有较大提高．本
文得到的重要结论有：对于电影，１）评论的正 负情感倾向这个文本特征对评论有用性影响较

究的重要内容．２）对于体验型和搜索型两类商 品，评论文本特征对评论有用性的影响可能存在
很大差异，进一步研究两者间影响的差异性，并进

大，其中，标题和内容的情感倾向趋于正面的评 论的有用性更高；另外，评论内容中既有正向评 价又有负向评价，正负情感混杂度越高的评论
有用性越高．２）在线评论观点句中既有主观表 达形式又有客观表达形式，主客观表达形式混 杂度越高的评论有用性越高． 另外，本文还应用所提出的在线评论有用性 影响因素模型，对在线影评有用性的分类预测能

一步扩展两类商品评论文本特征对消费者认知影 响的理论，具有更大价值；３）尽管本文模型的总 体拟合度有所提高，但仍低于０．５，说明还有一些
影响评论有用性的重要变量未纳入到模型中，比 如除评论文本特征之外，反映评论者质量的一些

特征因素可能也会影响评论有用性，需要进一步 挖掘影响评论有用性的其他重要因素，以提高预
测的准确性．

力做了进一步的测试．结果表明，本文提出的模型
参考文献：
［１］Ａｎｄｅｒｓｏｎ ［２］Ｋａｔｚ
Ｅ

Ｗ．Ｃｕｓｔｏｍｅｒ ｓａｔｉｓｆａｃｔｉｏｎ ａｎｄ ｗｏｒｄ ｏｆｍｏｕｔｈ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＳｅｒｖｉｃｅ Ｒｅｓｅａｒｃｈ，１９９８，ｌ（１）：５一１７． Ｆ．Ｌａｚａｒｓｆｅｌｄ，Ｐｅｒｓｏｎａｌ Ｉｎｆｌｕｅｎｃｅ：Ｔｈｅ Ｐａｒｔ Ｐｌａｙｅｄ ｂｙ Ｐｅｏｐｌｅ ｉｎ ｔｈｅ Ｆｌｏｗ ｏｆ Ｍａｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ［Ｍ］．Ｎｅｗ

Ｅ，Ｐａｕｌ

Ｙｏｒｋ：Ｆｒｅｅ Ｐｒｅｓｓ，１９５５．

［３］Ａｒｎｄｔ Ｊ．Ｒｏｌｅ ｏｆｐｒｏｄｕｃｔ—ｒｅｌａｔｅｄ （３）：２９１—２９５． ［４］Ｃｈｅｖａｌｉｅｒ Ｊ
Ａ，Ｍａｙｚｌｉｎ

ｃｏｎｖｅｒｓａｔｉｏｎｓ ｉｎ

ｔｈｅ ｄｉｆｆｕｓｉｏｎ ｏｆａ

ｎｅｗ

ｐｒｏｄｕｃｔ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ

Ｍａｒｋｅｔｉｎｇ

Ｒｅｓｅａｒｃｈ，１９６７，４

Ｄ．Ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｗｏｒｄ ｏｆ ｍｏｕｔｈ

ｏｎ

ｓａｌｅｓ：Ｏｎｌｉｎｅ ｂｏｏｋ ｒｅｖｉｅｗｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍａｒｋｅｔｉｎｇ Ｒｅｓｅａｒｃｈ

（ＪＭＲ），２００６，４３（３）：３４５—３５４． ［５］Ｈａｒｒｉｓｏｎ．Ｗａｌｋｅｒ
ｃｏｍｍｉｔｍｅｎｔ
ａ８

Ｌ

Ｊ．Ｔｈｅ

ｍｅａｓｕｒｅｍｅｎｔ ｏｆ

ｗｏｒｄ—ｏｆ－ｍｏｕｔｈ ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ ａｎ ｉｎｖｅｓｔｉｇａｔｉｏｎ ｏｆ ｓｅｒｖｉｃｅ ｑｕａｌｉｔ），ａｎｄ ｃｕｓｔｏｍｅｒ
ｏｆ

ｐｏｔｅｎｔｉａｌ

ａｎｔｅｃｅｄｅｎｔｓ［Ｊ］．Ｊｏｕｒｎａｌ

Ｓｅｒｖｉｃｅ Ｒｅｓｅａｒｃｈ，２００１，４（１）：６０．

［６］Ｇｈｏｓｅ

Ａ，Ｉｐｅｉｒｏｔｉｓ Ｐ

Ｇ．Ｄｅｓｉｇｎｉｎｇ Ｎｏｖｅｌ Ｒｅｖｉｅｗ Ｒａｎｋｉｎｇ Ｓｙｓｔｅｍｓ：Ｐｒｅｄｉｃｔｉｎｇ ｔｈｅ Ｕｓｅｆｕｌｎｅｓｓ ａｎｄ Ｉｍｐａｃｔ ｏｆ Ｒｅｖｉｅｗｓ［Ｃ］．
ｏｎ

Ｐｒｏｃｅｅｄｉｎｇｓ

ｏｆ ｔｈｅ ｎｉｎｔｈ ｉｎｔｅｒｎａｔｉｏｎａｌ ｃｏｎｆｅｒｅｎｃｅ

Ｅｌｅｃｔｒｏｎｉｃ ｃｏｍｍｅｒｃｅ，Ｎｅｗ

Ｙｏｒｋ，ＮＹ，ＵＳＡ：Ａｓｓｏｃｉａｔｉｏｎ Ｃｏｍｐｕｔｉｎｇ Ｍａ－

ｃｈｉｎｅｒｙ（ＡＣＭ）。２００７：３０３—３１０． ［７］张强，李乃和．网络口碑研究现状及未来发展初探［Ｊ］．江西农业学报，２００８，２０（４）：１４７—１４９．
Ｚｈａｎｇ

Ｑｉａｎｇ．Ｌｉ Ｎａｉ－ｈｅ．Ｔｈｅ

ｉｎｉｔｉａｌ ｅｘｐｌｏｒａｔｉｏｎ ｏｎ ｔｈｅ ｐｒｅｓｅｎｔ

ａｎｄ ｆｕｔｕｒｅ ｏｆ ｓｔｕｄｉｅｓ ａｂｏｕｔ ｏｎｌｉｎｅ ｗｏｒｄ－ｏｆ－ｍｏｕｔｈ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ Ｊｉａｎｇ Ｘｉ Ａ咖ｃｕｌｔｕｒｅ，２００８，２０（４）：１４７—１４９．（ｉｎ Ｃｈｉｎｅｓｅ）

［８］张莹，孙明贵．西方网络口碑传播效应研究进展［Ｊ］．财贸研究，２００８，（０５）：１０９—１１５．
Ｚｈａｎｇ Ｙｉｎｇ，Ｓｕｎ

Ｍｉｎｇ—ｇｎｉ．Ｒｅｖｉｅｗ

ｏｆ ｏｎｌｉｎｅ

ｗｏｒｄ?ｏｆ－ｍｏｕｔｈ ｃｏｍｍｕｎｉｃａｔｉｏｎ［Ｊ］．Ｆｉｎａｎｃｉａｌ ａｎｄ Ｔｒａｄｅ ｒｅｓｅａｒｃｈ，２００８，１９

（０５）：１０９一１１５．（ｉｎ Ｃｈｉｎｅｓｅ） ［９］李实，叶强，李一军，等．挖掘中文网络客户评论中的产品特征方法研究［Ｊ］．管理科学学报，２００９，１２（２）：
１４２—１５２． Ｌｉ Ｓｈｉ，Ｙｅ

Ｑｉａｎｇ，Ｌｉ Ｙｉ－ｊｕｎ，ｅｔ ａ１．Ｍｉｎｉｎｇ ｆｅａｔｕｒｅｓ

ｏｆｐｒｏｄｕｃｔｓ ｆｒｏｍ Ｃｈｉｎｅｓｅ ｃｕｓｔｏｍｅｒ ｏｎｌｉｎｅ

ｒｅｖｉｅｗｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍａｎ－

ａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅｓ ｉｎ

Ｃｈｉｎａ，２００９，１２（２）：１４２—１５２．（ｉｎ Ｃｌｌｉｎｅｓｅ）

万方数据

一８８一

管理科学学报

２０１０年８月

［１０］刘建新，陈雪阳．口碑传播的形成机理与口碑营销［Ｊ］．财经论丛，２００７，（０５）：９６—１０２．
Ｌｉｕ
ｏｎ

Ｊｉａｎ－ｘｉｎ，Ｃｈｅｎ Ｘｕｅ—ｙａｎｇ．Ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｗｏｒｄ?ｏｆ－ｍｏｕｔｈ
Ｆｉｎａｎｃｅ

ｃｏｍｍｕｎｉｃａｔｉｏｎ

ａｎｄ ＷＯＭ ｍａｒｋｅｔｉｎｇ［Ｊ］．Ｃｏｌｌｅｃｔｅｄ Ｅｓｓａｙｓ

ａｎｄ Ｅｃｏｎｏｍｉｃｓ，２００７，（０５）：９６—１０２．（ｉｎ Ｃｈｉｎｅｓｅ）

［１１］陈明亮，章晶晶．网络口碑再传播意愿影响因素的实证研究［Ｊ］．浙江大学学报（人文社会科学版），２００８，３８（５）：
１２７—１３５．

Ｃｈｅｎ Ｍｉｎｇ—ｌｉａｎｇ，Ｚｈａｎｇ Ｊｉｎｇ－ｊｉｎｇ．Ａｎ ｅｘｐｅｒｉｍｅｎｔａｌ ｒｅｇｅａｌ＇ｃｈ

ｏｎ

ｔｈｅ

ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆ ｒｅ?ｄｉｆｆｕｓｉｏｎ ｉＩｎｔｅｎｔｉｏｎ ｏｆ ｏｎｌｉｎｅ ｗｏｒｄ?ｏｆ－

ｍｏｕｔｈ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＺｈｅｊｉａｎｇ Ｕｎｉｖｅｍｉｔｙ（Ｈｕｍａｎｉｔｉｅｓ

ａｎｄ

Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ），２００８，３８（５）：１２７—１３５．（ｉｎ Ｃｈｉｎｅｓｅ）

［１２］李纯青，赵平，马军平．零售业回报计划感知价值对客户忠诚的影响［Ｊ］，管理科学学报，２００７，１０（４）：９０
—９７． Ｌｉ

Ｃｈｕｍ－ｑｉｎｇ，Ｚｈａｎ

Ｐｉｎｇ，Ｍａ

Ｊｕｎ－ｐｉｎｇ．Ｉｍｐａｃｔ ｏｆ ｔｈｅ ｖａｌｕｅ ｐｅｒｃｅｐｔｉｏｎ ｏｆ ｔｈｅ ｒｅｗａｒｄ ｐｒｏｇｒａｍｓ

ｏｎ

ｃｕｓｔｏｍｅｒ

ｌｏｙａｌｔｙ［Ｊ］．

Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｓｃｉｅｎｃｅｓ ｉｎ Ｃｈｉｎａ，２００７，１０（４）：９０—９７．（ｉｎ Ｃｈｉｎｅｓｅ）

［１３］陈蓓蕾．基于网络和信任理论的消费者在线口碑传播实证研究［Ｄ］．杭州：浙江大学，２００８．
Ｃｈｅｎ Ｂｅｉ?ｌｅｉ．Ａｎ Ｅｍｐｉｒｉｃａｌ Ｓｔｕｄｙ
ｏｎ

Ｃｏｎｓｕｍｅｒ

Ｏｎｌｉｎｅ Ｗｏｒｄ—ｏｆ－Ｍｏｕｔｈ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｂａｓｅｄ

ｏｎ

Ｗｅｂ ａｎｄ Ｔｒｕｓｔ

Ｔｈｅｏｒｙ

［Ｄ］．Ｈａｎｇｚｈｏｕ：Ｚｈｅｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ，２００８．（ｉｎ Ｃｈｉｎｅｓｅ） ［１４］郭国庆，杨学成，张杨．口碑传播对消费者态度的影响：一个理论模型［Ｊ］．管理评论，２００７，１９（３）：２０—２６．
Ｇｕｏ Ｇｕｏ－ｑｉｎｇ，Ｙａｎｇ Ｘｕｅ?ｅｈｅｎｇ，Ｚｈａｎｇ Ｙａｎｇ．Ｔｈｅ ｉｍｐａｃｔ ｏｆ ｗｏｒｄ－ｏｆ－ｍｏｕｔｈ
ｏｎ

ｃｏｎｓｕｍｅｒ’ｓ ａｔｔｉｔｕｄｅ：Ａ ｔｈｅｏｒｅｔｉｃａｌ

ｍｏｄｅｌ

［Ｊ］．Ｍａｎａｇｅｍｅｎｔ Ｒｅｖｉｅｗ，２００７，１９（３）：２０一２６．（ｉｎ Ｃｈｉｎｅｓｅ） ［１５］金立印．网络口碑信息对消费者购买决策的影响：一个实验研究［Ｊ］．经济管理，２００７，２９（２２）：３６—４２．
Ｊｉｎ

Ｌｉ－ｙｉｎ．Ｔｈｅ

ｅｆｆｅｃｔｓ ｏｆ ｏｎｌｉｎｅ

ＷＯＭ ｉｎｆｏｒｍａｔｉｏｎ

ｏｎ

ｃｏｎｓｕｍｅｒ ｐｕｒｃｈａｓｅ ｄｅｃｉｓｉｏｎ：Ａｎ

ｅｘｐｅｒｉｍｅｎｔａｌ ｓｔｕｄｙ［Ｊ］．Ｅｃｏｎｏｍｉｃ

Ｍａｎａｇｅｍｅｎｔ，２００７，２９（２２）：３６—４２．（ｉｎ Ｃｈｉｎｅｓｅ） ［１６］郑小平．在线评论对网络消费者购买决策影响的实证研究［Ｄ］．北京：中国人民大学，２００８． Ｚｈｅｎｇ
Ｘｉａｏ—ｐｉｎｇ．Ａｎ Ｅｍｐｉｒｉｃａｌ Ｓｔｕｄｙ Ａｂｏｕｔ ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｏｎｌｉｎｅ ｏｆ

Ｒｅｖｉｅｗｓ

ｏｎ

Ｏｎｌｉｎｅ Ｃｏｎｓｕｍｅｒ Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ［Ｄ］．Ｂｅｉ－

ｊｉｎｇ：Ｒｅｎｍｉｎ Ｕｎｉｖｅｒｓｉｔｙ

Ｃｈｉｎａ，２００８．（ｉｎ Ｃｈｉｎｅｓｅ）

［１７］郭小钗，陈蓓蕾．在线口碑效应的影响因素实证研究［Ｊ］．北京理工大学学报（社会科学版），２００９，ｌｌ（２）：３１
—３５． Ｇｕｏ

Ｘｉａｃ－ｔｈａｉ，Ｃｈｅｎ Ｂｅｉ?ｌｅｉ．Ｄｅｔｅｒｍｉｎａｎｔｓ ｏｆｗｏｍ ｅｆｆｅｃｔｓ ｉｎ ｖｉｒｔｕａｌ ｃｏｍｍｕｎｉｔｙ：Ａｎ ｅｍｐｉｒｉｃａｌ ａｎａｌｙｓｉｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｂｅｉ－
Ｉｎｓｔｉｔｕｔｅ ｏｆ

ｊｉｎｇ

Ｔｅｃｈｎｏｌｏｇｙ（Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ Ｅｄｉｔｉｏｎ），２００９，１１（２）：３１—３５．（ｉｎ Ｃｈｉｎｅｓｅ）
ｒｅｖｉｅｗｓ ｉｎ ｆｏｒｅｃａｓｔｉｎｇ ｓａｌｅｓ?Ｔｈｅ
ｃａｓｅ

［１８］Ｄｅｌｌａｒｏｃａｓ

Ｆ．Ｅｘｐｌｏｒｉｎｇ ｔｈｅ ｖａｌｕｅ ｏｆ ｏｎｌｉｎｅ ｐｒｏｄｕｃｔ ｐｉｃｔｕｒｅｓ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｉｎｔｅｒａｃｔｉｖｅ Ｍａｒｋｅｔｉｎｇ，２００７，２１（４）：２３－４５．
ａｎｄ

Ｃ，ｚｌｌａｎｇ Ｘ Ｑ，Ａｗａｄ Ｎ

ｏｆ ｍｏｔｉｏｎ

［１９］Ｓｋｏｗｒｏｎｓｋｉｊ，Ｃａｒｌｓｔｏｎ Ｄ．Ｎｅｇａｔｉｖｉｔｙ
ｉｃａｌ

ｅｘｔｒｅｍｉｔｙ ｂｉａｓｅｓ ｉｎ ｉｍｐｒｅｓｓｉｏｎ ｆｏｒｍａｔｉｏｎ：Ａ ｒｅｖｉｅｗ ｏｆ ｅｘｐｌａｎａｔｉｏｎｓ［Ｊ］．Ｐｓｙｃｈｏｌｏｇ－

Ｂｕｌｌｅｔｉｎ，１９８９，１０５（Ｉ）：１３１—１４２．
Ｒ，Ｂｕｒｎｋｒａｎｔ Ｒ Ｅ，Ｕｎｎａｖａ Ｈ ｏｆ Ｍａｒｋｅｔｉｎｇ

［２０］Ａｈｌｕｗａｌｉａ

Ｒ．Ｃｏｎｓｕｍｅｒ ｒｅｓｐｏｎｓｅ

ｔｏ

ｎｅｇａｔｉｖｅ

ｐｕｂｌｉｃｉｔｙ：Ｔｈｅ

ｍｏｄｅｒａｔｉｎｇ ｒｏｌｅ ｏｆ ｃｏｍｍｉｔｍｅｎｔ

［Ｊ］．Ｊｏｕｒｎａｌ

［２１］Ｓｅｎ Ｓ，Ｌｅｍａｎ

Ｄ．脚ａｒｅ
ｏｆ

Ｒｅｓｅａｒｃｈ，２０００，３７（２）：２０３—２１４．
ｙｏｕ ｔｅｌｌｉｎｇ ｍｅ

ｔｈｉｓ？Ａｎ ｅｘａｍｉｎａｔｉｏｎ ｉｎｔｏ ｎｅｇａｔｉｖｅ ｃｏｎｓｕｍｅｒ ｒｅｖｉｅｗｓ

ｏｎ

ｔｈｅ

ｗｅｂ［Ｊ］．Ｊｏｕｒｎａｌ

ｏｆ

Ｉｎｔｅｒａｃｔｉｖｅ Ｍａｒｋｅｔｉｎｇ，２００７，２１（４）：７６—９４．

［２２］Ａｄａｖａｌ

Ｒ．Ｓｏｍｅｔｉｍｅｓ ｉｔ

ｊｎｓｔ ｆｅｅｌｓ ｆｉｇｈｔ：Ｔｈｅ

ｄｉｆｆｅｒｅｎｔｉａｌ

ｗｅｉｇｈｔｉｎｇ

ｏｆ

ａｆｆｅｃｔ—ｃｏｎｓｉｓｔｅｎｔ ａｎｄ ａｆｆｅｃｔ?ｉｎｃｏｎｓｉｓｔｅｎｔ ｐｒｏｄｕｃｔ ｉｎｆｏｒ－

ｍａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ［２３］Ｓｔｒａｈｉｌｅｖｉｔｚ
ｔｒｙｉｎｇ
ｔｏ

Ｃｏｎｓｕｍｅｒ Ｒｅｓｅａｒｃｈ，２００１，２８（１）：１—１７． Ｊ Ｇ．Ｄｏｎａｔｉｏｎｓ
ｏｆＣｏｎｓｕｍｅｒ
ｔｏ

Ｍ，Ｍｙｅｒｓ

ｃｈａｒｉｔｙ鹪ｐｕｒｃｈａｓｅ ｉｎｃｅｎｔｉｖｅｓ：Ｒｏｗ ｗｅｌｌ ｔｈｅｙ ｗｏｒｋ ｍａｙ ｄｅｐｅｎｄ

ｏｎ

ｗｈａｔ ｙｏｕ

ａｒｅ

ｓｅｌｌ［Ｊ］．Ｊｏｕｒｎａｌ

Ｒｅｓｅａｒｃｈ，１９９８，２４（４）：４３４—４４６．
ｏｎ

［２４］Ｍｏｒｔ

Ｇ Ｓ，Ｒｏｓｅ ｏｆ

Ｔ．Ｔｈｅ

ｅｆｆｅｃｔ ｏｆ ｐｒｏｄｕｃｔ ｔｙｐｅ

ｖａｌｕｅ

ｌｉｎｋａｇｅｓ ｉｎ ｔｈｅ ｍｅａｎｓ?ｅｎｄ ｃｈａｉｎ：Ｉｍｐｌｉｃａｔｉｏｎｓ ｆｏｒ ｔｈｅｏｒｙ ａｎｄ ｍｅｔｈｏｄ

［Ｊ］．Ｊｏｕｒｎａｌ ［２５］Ｄｕｈａｎ
Ｄ

Ｃｏｎｓｕｍｅｒ Ｂｅｈａｖｉｏｕｒ，２００４，３（３）：２２１—２３４．
ｏｎ

Ｆ，Ｊｏｈｎｓｏｎ Ｓ Ｄ，Ｗｉｌｃｏｘ Ｊ Ｂ，ｅｔ ａ１．ｉｎｆｌｕｅｎｃｅｓ

ｃｏｎｓｕｍｅｒ

ｕｓｅ

ｏｆ

ｗｏｒｄ—ｏｆ－ｍｏｕｔｈ ｒｅｃｏｍｍｅｎｄａｔｉｏｎ ８０ｎｒｃｅ８［Ｊ］．

Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｃａｄｅｍｙ ｏｆ Ｍａｒｋｅｔｉｎｇ Ｓｃｉｅｎｃｅ，１９９７，２５（４）：２８３—２９５．

［２６］Ｐａｎｇ

Ｂ，Ｌｅｅ Ｌ．Ａ

Ｓｅｎｔｉｍｅｎｔａｌ Ｅｄｕｃａｔｉｏｎ：Ｓｅｎｔｉｍｅｎｔ Ａｎａｌｙｓｉｓ Ｕｓｉｎｇ Ｓｕｂｊｅｃｔｉｖｉｔｙ Ｓｕｍｍａｒｉｚａｔｉｏｎ Ｂａｓｅｄ
ｏｆ

Ｏｉｌ

Ｍｉｎｉｍｕｍ Ｃｕｔｓ

［ｃ］．Ｐｒｏｃｅｅｄｉｎｇｓ

ｔｈｅ ４２ｎｄ Ａｎｎｕａｌ Ｍｅｅｔｉｎｇ ｏｆ ｔｈｅ Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃｓ（ＡＣＬ），Ｍｏｒｒｉｓｔｏｗｎ，ＮＪ， Ｌｉｎｇｕｉｓｔｉｃｓ，２００４，２７１—２７８．

ＵＳＡ：Ａｓｓｏｃｉａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔａｔｉｏｎａｌ

［２７］Ｎｅｌｓｏｎ Ｐ．Ａｄｖｅｒｔｉｓｉｎｇ

ａｓ

ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＰｏｌｉｔｉｃａｌ Ｅｃｏｎｏｍｙ，１９７４，８２（４）：７２９—７５４． （下转第９６页）

万方数据

一９６一
［９］Ａｒｍｉｎｇｔｏｎ Ｐ．Ａ ｔｈｅｏｒｙ ｏｆ
１５９—１７８． ｄｅｍａｎｄ ｆｏｒ ｐｒｏｄｕｃｔｓ

管理科学学报

２０１０年８月

ｄｉｓｔｉｎｇｕｉｓｈｅｄ ｂｙ ｐｌａｃｅ ｏｆ ｐｒｏｄｕｃｔｉｏｎ［Ｊ］．ＩＭＦ Ｓｔａｆｆ Ｐａｐｅｒ，１９６９，（１６）：

［１０］Ｋｒｕｇｍａｎ

Ｐ．Ｉｎｃｒｅａｓｉｎｇ

ｒｅｔｕｒｎｓ

ａｎｄ ｅｃｏｎｏｍｉｃ ｇｅｏｇｒａｐｈｙ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｐｏｌｉｔｉｃａｌ Ｅｃｏｎｏｍｉｃｓ，１９９１，（９９）：４８３—４９９．
ｒｅｔｕｒｎｓ ｔｏ

［１ １］Ｅｔｈｉｅｒ Ｗ．Ｎａｔｉｏｎａｌ

ａｎｄ ｉｎｔｅｒｎａｔｉｏｎａｌ

ｓｃａｌｅ ｉｎ

ｔｈｅ ｍｏｄｅｍ ｔｈｅｏｒｙ ｏｆ ｉｎｔｅｒｎａｔｉｏｎａｌ ｔｒａｄｅ［Ｊ］．Ａｍｅｒｉｃａｎ Ｅｃｏｎｏｍｉｃ

Ｒｅｖｉｅｗ，１９８２，（７２）：９５０—９５９．

Ａｎａｌｙｓｉｓ ｏｆ ｅｃｏｎｏｍｉｃ ｄｅｖｅｌｏｐｍｅｎｔ ｔｒｅｎｄ ｏｆ ｌａｂｏｒ ｉｎｔｅｒｒｅｇｉｏｎａｌ ｍｉｇｒａｔｉｏｎ

ＹＡＮＧ Ｚｈｏｎｇ—ｚｈｉ，ＹＡＯ Ｌｉｎ—ｍ，ＬＩ Ｌｉ
Ａｎｔａｉ Ｓｃｈｏｏｌ ｏｆ Ｅｃｏｎｏｍｉｃｓ ａｎｄ Ｍａｎａｇｅｍｅｎｔ，Ｓｈａｎｇｈａｉ Ｊｉａｏｔｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２０００５２，Ｃｈｉｎａ

Ａｂｓｔｒａｃｔ：Ｗｉｔｈ ｙｅａｒｌｙ ｌａｒｇｅ—ｓｃａｌｅ ｌａｂｏｒ ｉｎｔｅｒｒｅｇｉｏｎａｌ ｍｉｇｒａｔｉｏｎ，ｔｈｅ ｒｅｇｉｏｎａｌ ｄｉｓｐａｒｉｔｙ ｂｅｔｗｅｅｎ ｔｈｅ ｃｏａｓｔａｌ ａｒｅａ
ａｎｄ ｈｉｎｔｅｒｌａｎｄ ｉｓ ｅｎｌａｒｇｉｎｇ ｉｎ Ｃｈｉｎａ．Ｉｎ ｏｒｄｅｒ ｔｏ ａｎａｌｙｚｅ ｔｈｉｓ ｐｈｅｎｏｍｅｎｏｎ，ｔｈｉｓ ｐａｐｅｒ ａｎａｌｙｚｅｓ ｔｈｅ ｅｆｆｅｃｔ ｏｆ ｌａ－ ｂｏｒ

ｉｎｔｅｒｒｅｇｉｏｎａｌ

ｍｉｇｒａｔｉｏｎ ｂｙ ａｐｐｌｙｉｎｇ

ａ

ｇｅｎｅｒａｌ ｍｏｄｅｌ ｂａｓｅｄ

ｏｎ

ｄｉｓｃｕｓｓｉｏｎ ｏｆ ｔｈｅ ｍｅｃｈａｎｉｓｍ ｏｆ ｉｎｄｕｓｔｒｙ ａｇ－

ｇｌｏｍｅｒａｔｉｏｎ．Ｔｈｅ ｒｅｓｕｌｔｓ ｏｆ ｍｏｄｅｌ ｓｉｍｕｌａｔｉｏｎ ｓｈｏｗ ｔｈａｔ，ｗｈｅｎ ｃｏｎｓｉｄｅｒｉｎｇ ｔｈｅ ｆｒｉｃｔｉｏｎ ｆａｃｔｏｒｓ ｏｆ ｌａｂｏｒ ｉｎｔｅｒｒｅ－ ｇｉｏｎａｌ ｍｉｇｒａｔｉｏｎ，ｂｏｔｈ ｔｈｅ ｉｎｄｕｓｔｒｉａｌ ａｇｇｌｏｍｅｒａｔｉｏｎ ｅｆｆｅｃｔ ａｎｄ ｌａｂｏｒ ｉｎｔｅｒｒｅｇｉｏｎａｌ ｍｉｇｒａｔｉｏｎ ｉｎｃｒｅａｓｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：ｌａｂｏｒ ｍｉｇｒａｔｉｏｎ；ｉｎｄｕｓｔｒｉａｌ ａｇｇｌｏｍｅｒａｔｉｏｎ ｔｉｏｎ

ｒｅｇｉｏｎａｌ

ｄｉｓｐａｒｉｔｙ ｗｏｕｌｄ ｅｎｌａｒｇｅ ｗｉｔｈ ｔｈｅ ｒａｔｅ ｏｆ

ｅｆｆｅｃｔ；ｒｅｇｉｏｎａｌ ｄｉｓｐａｒｉｔｙ；ｅｑｕｉｌｉｂｒｉｕｍ

ｍｏｄｅｌ；ｓｉｍｕｌａ—

（上接第８８页） ［２８］ＳＡＳ
Ｉｎｓｔｉｔｕｔｅ Ｉｎｃ．ｓＡｓ／ＳＴＡＴ

Ｓｏｆｔｗａｒｅ：Ｃｈａｎｇｅｓ ａｎｄ Ｅｎｈａｎｃｅｍｅｎｔｓ．Ｔｈｒｏｕｇｈ Ｒｅｌｅａｓｅ ６．１１［Ｃ］．Ｎｏｒｔｈ Ｃａｒｏｌｉｎａ：ＳＡＳ Ｉｎ．

ｓｔｉｔｕｔｅ

Ｉｎｃ，１９９６，２２１—２３０．

Ｒｅｓｅａｒｃｈ

ｏｎ

ｏｎｌｉｎｅ ｉｍｐａｃｔ ｆａｃｔｏｒｓ ｏｆ ｃｕｓｔｏｍｅｒ ｒｅｖｉｅｗｓ ｕｓｅｆｕｌｎｅｓｓ ｂａｓｅｄ

ｏｎ

ｍｏｖｉｅ ｒｅｖｉｅｗｓ ｄａｔａ

ＨＡＯ Ｙｕａｎ—ｙｕａｎ，ＹＥ

Ｑｉａｎｇ，ＬＩ甄乒ｎ

Ｓｃｈｏｏｌ ｏｆ Ｍａｎａｇｅｍｅｎｔ，Ｈａｒｂｉｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ

Ａｂｓｔｒａｃｔ：Ｔａｋｉｎｇ ｍｏｖｉｅ’Ｓ ｏｎｌｉｎｅ ｃｕｓｔｏｍｅｒ ｒｅｖｉｅｗｓ

ａｓ

ｔｈｅ

ｓｕｂｊｅｃｔ，ｕｓｉｎｇ

ｔｅｘｔ

ｍｉｎｉｎｇ ａｎｄ ｅｍｐｉｒｉｃａｌ ｒｅｓｅａｒｃｈ
ａ

ｍｅｔｈｏｄｓ，ｆｒｏｍ ｔｈｅ ｖｉｅｗｐｏｉｎｔ ｏｆ ｔｅｘｔ ｆｅａｔｕｒｅｓ ｏｆ ｏｎｌｉｎｅ ｒｅｖｉｅｗｓ，ｔｈｉｓ ｐａｐｅｒ ｅｓｔａｂｌｉｓｈｅｓ

ｍｏｄｅｌ ｏｆ ｔｈｅ ｏｎｌｉｎｅ

ｒｅ一

、ｒｉｅｗｓ ｉｍｐａｃｔ ｆａｃｔｏｒｓ ａｎｄ ｆｏｒｅｃａｓｔ ｒｅｖｉｅｗｓ ｕｓｅｆｕｌｎｅｓｓ ｕｓｉｎｇ ｔｈｉｓ ｍｏｄｅｌ．Ｃｏｍｐａｒｅｄ ｗｉｔｈ ｒｅｌａｔｅｄ ｒｅｓｅａｒｃｈｅｓ．ｔｈｅ

ｅｘｐｌａｎａｔｉｏｎ

ｐｏｗｅｒ ｏｆ

ｏｕｒ

ｍｏｄｅｌ ｉｎｃｒｅａｓｅｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ，ａｎｄ ｗｅ ｆｉｎｄ

ｔｈａｔ，ｐｏｓｉｔｉｖｅ

ａｔｔｉｔｕｄｅ，ｈｉｇｈ ｍｉｘｔｕｒｅ ｏｆ

ｐｏｓｉｔｉｖｅ ａｎｄ ｎｅｇａｔｉｖｅ ａｔｔｉｔｕｄｅｓ，ｈｉｇｈ ｍｉｘｔｕｒｅ ｏｆ
ｔｅｎｃｅｓ
ｏｕｒ

ｓｕｂｊｅｃｔｉｖｅ

ａｎｄ

ｏｂｊｅｃｔｉｖｅ

ｅｘｐｒｅｓｓｉｏｎ ｆｏｒｍｓ ａｎｄ

ａｖｅｒａｇｅ

ｓｅｎ—

ｌｅｎｇｔｈ ｈａｖｅ
ａ

ｓｉｇｎｉｆｉｃａｎｔｌｙ ｐｏｓｉｔｉｖｅ

ｉｍｐａｃｔ

ｏｎ

ｒｅｖｉｅｗｓ ｕｓｅｆｕｌｎｅｓｓ．Ｆｉｎａｌｌｙ，ｏｕｒ ｆｏｒｅｃａｓｔｉｎｇ ｒｅｓｕｌｔ ｓｈｏｗｓ ｔｈａｔ

ｍｏｄｅｌ ｈａｓ

ｓｔｒｏｎｇ ｐｏｗｅｒ ｔｏ ｄｉｓｃｒｉｍｉｎａｔｅ ｕｓｅｆｕｌｎｅｓｓ ｏｆ ｏｎｌｉｎｅ ｍｏｖｉｅ ｒｅｖｉｅｗｓ． ｒｅｖｉｅｗｓ；ｕｓｅｆｕｌｎｅｓｓ；ｔｅｘｔ ｆｅａｔｕｒｅｓ；ｐｏｓｉｔｉｖｅ ｅｘｐｒｅｓｓｉｏｎ；ｔｅｘｔ ｍｉｎｉｎｇ

ｋｅｙ

ｗｏｒｄｓ：ｗｏｒｄ—ｏｆ－ｍｏｕｔｈ；ｏｎｌｉｎｅ ｔｕｄｅ；ｓｕｂｊｅｃｔｉｖｅ
ａｎｄ

ａｎｄ

ｎｅｇａｔｉｖｅ ｓｅｎｔｉｍｅｎｔａｌ ａｔｔｉ－

ｏｂｊｅｃｔｉｖｅ

万方数据



  本文关键词：基于影评数据的在线评论有用性影响因素研究，由笔耕文化传播整理发布。