热门B2C购物门户用户评论质量影响因素分析研究

• 作者: 付晓东 刘利军 刘杰 刘骊
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 在线评论 评论质量 支持向量机(SVM)
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 71-75,97
• 页数: 6页
• 分类号: TP3
• 字数: 5358字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.03.012

摘要

用户的在线评论可以有效地帮助用户选择在线商品或服务.然而,热销商品的用户评论数量极其庞大,同时,这些评论的质量参差不齐.因此,评估评论质量并挑选出高质量的评论变得尤为迫切.目前网站采取邀请用户人工标注的方式评估评论的质量,需耗费用户大量的时间和精力.为解决这个问题,提出了一个自动化评估评论质量的方法.该方法通过应用基于评论与评论者两类特征的支持向量机(SVM)分类器实现.在国内著名在线购物网站京东的评论数据上测试了提出的方法.实验结果表明评估识别高质量评论的准确率达到了87.5%.通过实验发现,能够表征评论信息量的词语数量和语句数量特征很好地评估了评论质量.而由于来自用户对商品的反馈信息的贫乏,能够表征用户反馈的有用性投票数量和回复数量特征并不能很好地评估评论质量.在同时结合评论和评论者特征的基础上,评估评论质量的表现最佳.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付晓东	昆明理工大学信息工程与自动化学院	57	180	7.0	10.0
2	刘利军	昆明理工大学信息工程与自动化学院	77	196	7.0	10.0
3	刘骊	昆明理工大学信息工程与自动化学院	41	128	5.0	10.0
4	刘杰	昆明理工大学信息工程与自动化学院	15	96	5.0	9.0