基于共詞分析的國內在線商品評論研究熱點探討

王倩倩

〔摘要〕國內隨著2004年網購的興起，研究在線商品評論的文章開始逐年增多，本研究嘗試利用文獻計量學的方法對國內在線商品評論的學術文獻進行統(tǒng)計分析，以探尋該領域的研究熱點。以CNKI期刊全文數據庫為數據來源，以BlueMC和SPSS軟件為工具，對國內在線評論文獻的關鍵詞，通過詞云圖聚類和共詞分析探索研究熱點。提煉出在線評論研究的4個基本分析單元：內容、技術、用戶、應用；五大研究熱點：口碑傳播效應、信息服務與使用、口碑傳播心理、信息質量評估和知識挖掘與發(fā)現；以及三大研究層面：形態(tài)層面、受眾層面和效果層面，為把握在線評論的研究現狀和相關內容的進一步研究奠定了基礎。

〔關鍵詞〕在線評論；共詞分析；聚類分析；文獻計量

DOI：10.3969j.issn.1008-0821.2017.10.026

〔中圖分類號〕F71336〔文獻標識碼〕A〔文章編號〕1008-0821（2017）10-0158-07

〔Abstract〕With the rise of online shopping in 2004，the articles of online reviews began to increase year by year.This study tried to use the method of literature metrology to explore the research hotspots in the field of online reviews in China.This study used CNKI periodical full text database as the data source，used BlueMC and SPSS software as tools，and used clustering and co-word analysis method to explore research hotspots.The paper extracted four unit-of-analysis（content，users，technology，application）；five research hotspots（word-of-mouth effect，information services and use，word-of-mouth psychology，information quality evaluation and discovery and knowledge mining）；three main research aspects（morphology level，audience level and effect level）.This research could lay the foundation for understanding the research status of online reviews and studying the related content in the future.

〔Key words〕online reviews；co-word analysis；clustering analysis；bibliometrics

在線商品評論（Online Reviews）是網絡口碑的一種，是Web20時代人們在網絡上針對所購買的商品發(fā)表的意見、看法的文字性陳述，評論內容能夠為其他消費者的購買決定提供參考，同時也為商家改進商品、收集消費者偏好提供依據。隨著2004年網購的興起，研究在線商品評論的文章從2006年的僅僅幾篇開始逐年增多，到2017年在線產品評論的研究已經和數據挖掘、情感分析、用戶心理學、自然語言處理、語義分析等內容結合在一起，成為了交叉型、復雜型的研究領域，研究融合趨勢日趨明顯。近年來，一些學者嘗試利用文獻計量學的方法對該領域的學術文獻進行統(tǒng)計分析，然而這些研究的關注點主要集中在論文的發(fā)表時間、期刊、主題[1]、作者關系、文獻互引[2]等外部信息方面，或是針對外國口碑傳播研究熱點的分析[3]，缺少深入探討國內在線商品評論文獻的研究熱點此類的內在信息。

本研究采用詞云圖聚類和共詞分析法，通過對國內在線商品評論領域文獻中的高頻關鍵詞進行分析，然后得出共詞矩陣，繪制網絡圖，用各節(jié)點之間的距離來反映文獻中主題內容的親疏關系，進而系統(tǒng)的揭示其研究結構、研究維度和理論基礎，以期進一步把握國內在線商品評論的研究現狀、研究重點和發(fā)展方向。該方法與共被引分析法相比，共被引分析法是通過分析以往發(fā)表論文的被引情況來探究人們目前關注的焦點，研究的文獻已形成比較固定的學術流派；而共詞分析法關注的是文獻中的研究主題，比較適合尋找新興學科的范式，因為新興學科研究者分布廣泛，作品內容比較分散，被引情況也不穩(wěn)定。因此采用共詞分析法比較適合自2004年網購大量興起才建立的在線商品評論研究領域，該方法對于關鍵詞和主題詞的分析能夠很好地表現該學科領域的研究熱點和發(fā)展方向。

1詞云圖分析

盡管在線商品評論的研究有著強烈的跨學科、跨領域的特性，但許多研究的重心和焦點可能是學者們共同關注的。筆者從收集到的文獻中提取了674個關鍵詞，通過對關鍵詞的清洗和預處理，最終確定了510個關鍵詞作為分析基礎。通過BlueMC在線數據分析軟件[4]，將510個關鍵詞取TOP100，擬通過關鍵詞的聚類分析挖掘網絡商品評論研究的重點，繪制的標簽云團如圖1所示。

筆者分析這些關鍵詞后發(fā)現，盡管不同學科的學者從不同角度、不同理論和不同方法對國內在線評論進行了研究，但是基本的研究單元卻非常穩(wěn)固，結合在線評論研究的關鍵詞云圖，筆者將分析單元歸為以下4類：

1）內容單元，即與在線評論密切相關的概念和內容。例如，網絡評論、在線評論、正面口碑、負面口碑、口碑效應、口碑傳播等，主要研究在線評論背景的出現，在線評論的類型以及在線評論的內容傳播。endprint

2）技術單元，即分析在線評論所用到的技術、方法和軟件系統(tǒng)等。例如，數據挖掘、特征抽取、關聯分析、知識分類、文本挖掘、情感計算等，主要是對在線評論研究中用到的具體方法或者算法的改進和滲透。

3）用戶單元，即在線評論所連接的兩類用戶的行為和態(tài)度，一是消費者，一是商家。例如，消費者滿意度、個性化推薦、評論動機、垃圾評論預測、消費者偏好、意見領袖等。主要研究消費者的滿意行為、發(fā)表評論的行為或者動機以及商家的營銷行為等。

4）應用單元，即基于在線評論的利用價值分析或高效率應用分析。例如，社會網絡、觀點挖掘、投票打分、評論排序、自動摘要、社會化媒體等關鍵詞。主要研究如何更好地利用在線評論的信息為潛在消費者、商家或者社會服務。

2高頻詞共詞分析

共詞分析（Co-word Analysis）是通過對同一篇文獻中出現的詞匯、短語或者反映文獻主題內容的關鍵詞進行統(tǒng)計分析，研究文獻內在聯系和科學結構。一般認為詞匯在同一篇文章中出現的次數越多，這兩者之前的關系就越為緊密。由此可以分析主題詞兩兩在文章之間同時出現的頻率，在共詞頻率的基礎上再把眾多關鍵詞之間的共詞網絡關系簡化為樹狀圖直觀的表示出來，通過圖可以很清楚地觀察出每一領域分支的組成。

21數據源與預處理

本文為了收集有關在線商品評論學術期刊論文的關鍵詞，選取了CNKI數據庫中期刊索引里2008-2017年最近10年的所有相關的文獻題錄，共檢索到文獻523篇。剔除不相關的文章，得到文獻446篇，獲得原始關鍵詞約2 011個，選擇詞頻不低于10次的關鍵詞共37個。其中“在線評論”出現的頻率最高，約為178次，但鑒于“在線評論”與本研究的內容完全重合，在共詞分析中難以發(fā)揮作用，予以舍棄。

22高頻詞共詞矩陣數據

剩余36個關鍵詞進行兩兩共詞檢索，統(tǒng)計它們同時出現的頻率，形成一個36×36的共詞頻次矩陣，部分數據（前15組）如圖2所示：

該矩陣為對稱矩陣，對角線的數據定義為缺失，非對角線上數據為兩個關鍵詞共同出現的次數。比如，“口碑營銷”與“情感傾向”的共詞頻次為28，表示有28篇論文同時使用了這兩個關鍵詞。

23 聚類分析

本文以SPSS21為統(tǒng)計分析工具，采用系統(tǒng)聚類的分析方法對在線商品評論論文的關鍵詞進行分析，方法選擇Ward方法，以反映出該領域的研究熱點和研究結構。在聚類分析的基礎上繪制出樹狀圖，描述各關鍵詞之前的相關性和與外部的聯系，范圍選擇3～8。 得出的結果如圖3所示。

經過高頻詞聚類分析確定聚類結果為5類，綜合考慮每一類各關鍵詞的性質，分別命名為：口碑傳播效應、信息服務與使用、口碑傳播心理、信息質量評估、知識挖掘與發(fā)現。這些類別代表了國內在線商品評論的主要研究結構，具體如表1所示：

3結果分析

通過上文的聚類分析結果，下面筆者將結合相關文獻的具體內容對這5類的主要內容進行分析和闡述。

31熱點一：口碑傳播效應

口碑傳播效應是指口碑的傳播和接受所引起的消費者心理、行為反應以及由此產生的口碑營銷等問題。21世紀以后，隨著計算機技術的飛速發(fā)展，以及各大電商網站客戶反饋系統(tǒng)和信譽平臺的建立，以網絡為載體評論飛速增長，為產品的銷售和企業(yè)的形象帶來了前所未有的影響。消費者自身的消費經歷和體驗，導致了最初在線評論的產生，可以幫助其他買家購物決策，也可以幫助賣家根據消費者的評價調整自己的營銷傳播策略。

正負面?zhèn)鞑バτ趥€人而言，促使他們傳播正面口碑的一個主要心理動機是，通過展現他們不同凡響的購買選擇或者無私地與他人分享自己的專業(yè)知識，以獲得社

圖3高頻詞聚類分析結果圖

會認同以及自我認同[5]；而發(fā)表負面口碑的心理動機是為了表達不滿，或是出于發(fā)泄敵意，或是為了尋求報復[6]。

推薦行為是精準營銷的結果?；谠诰€評論數據的口碑營銷，有利于把握消費者的偏好，對用戶數據的分析產生個性化的精準推薦。對線下商家而言，傳統(tǒng)團購低價競爭的路線已經被證明了不可持續(xù)，未來電子商務市場必然走向精準化運營的道路。

消費者滿意度是口碑營銷的目的。消費者滿意度反映了消費者的一種心理狀態(tài)，它來源于顧客對企業(yè)的某種產品或服務所產生的感受與自己的期望所進行的對比，也就是說“滿意”并不是一個絕對概念，而是一個相對概念。相關研究表明，企業(yè)不能閉門造車，留戀于自己對服務、服務態(tài)度、產品質量、價格等指標是否優(yōu)化的主觀判斷上，而應考察所提供的產品服務與在線評論反映的顧客期望、要求等吻合的程度如何[7]。

32熱點二：信息服務與使用

幫助消費者決策是在線評論信息被使用的直接原因。查看其他購買者的評論，得到更多有關商品的信息是購買者目前認為最可信的手段，在線商品評論已經成為消費者進行網絡購物的重要信息來源之一。隨著用戶評論這一功能的廣泛應用，策略的焦點從評論的存在轉移到了消費者對于評論的看法和利用上。因此，對在線評論的動機以及激勵的研究也相應的展開而來，利用在線商品評論進行決策的趨勢也在逐年上升，關鍵詞“評論動機”和“消費者決策”正好印證了這點。

有學者探索了在線評論有效性對銷量的影響，尤其是評價者的特點和購買偏好對銷量的影響，也有研究者證明了這些影響會隨著產品類型變化而改變，產品類型起到了調節(jié)的作用。例如，在線評論對銷量的效用在電子科技產品中影響最大，對于保險、理財等產品的影響更小[8]，因為這些產品必須線上和線下相結合，而且受到地域的限制，因此這些類產品的銷量更傾向于受到傳統(tǒng)的口碑的影響，人們更傾向于聽從朋友和家人的推薦。

關鍵詞“個性化服務”、“營銷策略”和“消費者偏好”表明反饋系統(tǒng)已經被許多流行的購物網站廣泛采用，在線評論系統(tǒng)不僅僅提高了電子市場的功效，而且也有利于制造商和銷售商收集和了解消費者的偏好。從在線評論中搜集有用的信息進行分析和使用，有利于根據消費者偏好提供個性化的營銷策略。例如，有學者從亞馬遜中國網站篩選出具有代表性的商品的在線評論，對這些在線評論信息的使用有利于高效地制定出諸如“完善商品詳情頁面、調整網頁色彩、設計比價系統(tǒng)、增加促銷力度、完善售后服務等”相關的網絡營銷策略[9]。endprint

33熱點三：口碑傳播心理

口碑傳播心理包括動機與意愿兩類。顧客參與在線評論的動機研究目前可以分為兩種：一是參與發(fā)表在線評論的動機研究，即口碑傳播；二是參與搜索查看在線評論的動機研究，即口碑接受。另外還有研究將消費者參與發(fā)表評論的動機分為主動動機和被動動機。主動動機是由內在心理決定的主動參與動機，如自我實現，社交利益；被動動機是由于外部激勵，如評論能夠獲得獎勵、商品價格折扣等[10]。

近幾年，學者們探究消費者進行網上評論的動機，開始著眼點于消費者和產品的特點，還有一些因素在近幾年的研究中也被發(fā)現，譬如成為意見領袖，展現自己產品熟悉度以及原創(chuàng)的本能等等。有研究表明意見領袖對顧客口碑傳播網絡的信息傳播速度和傳播范圍有較大的影響，而且對傳播范圍的影響要大于對傳播速度的影響[11]。

“社會交換”、“知識共享”關鍵詞表明將在線評論作為一種參與社會交換的物質視角，散布口碑者為網絡用戶提供商品信息和購物體驗，是在相互傳遞和交換信息的過程中形成的一種無形的用戶交流網，為現實社會提供了前所未有的輿論多元空間。人們逐漸習慣在網上交換關于產品的信息和看法，在線評論成為人們知識共享的重要方式之一。優(yōu)秀的評論者懂得參與在線評論也是虛擬社區(qū)知識共享的過程，渴望參與社交、建立社交地位以及獲得聲譽是有些消費者積極搜索評論、回復評論、給評論打分投票的重要動機。

基于“社會網絡”的口碑傳播心理是將網絡購物環(huán)境看作是一個社會網絡，在該網絡中，網絡的節(jié)點處會有一些活躍的評論者對網絡起到很好的鏈接作用。

“垃圾評論”和“虛假評論”這兩種評論加劇了網絡信息的不對稱性，把握這兩種評論的傳播心理是治理和凈化網絡環(huán)境的切入點，有利于保護網絡信息生態(tài)環(huán)境[12]。

34熱點四：信息質量評估

信息質量評估主要在“可信度”和“評論有用性”兩個方面。可信度就是消費者對在線評論真實性的相信程度。在線評論的可信度受3個方面的制約：①在線評論的傳播者（比如傳播者之間的關系強度）。例如，人們在同親友交流時，對方的可信度通常是為自己所知的，這種關系強度也是最強的，因此在現實生活中親友的評論往往被認為是可信度較高的。②在線評論的內容本身（比如產品特征）。由于大多數網上情境中缺乏社交情境線索，我們必須使用其他信息，如評論的內容，去鑒別評論者的可信度。從在線評論本身的內容來看，在線評論中提到的產品特征詞的重要性，都是影響在線評論可信度的要素。③在線評論的發(fā)布平臺。發(fā)表在線評論的平臺可信度，例如網站的知名度和信譽度也是影響在線評論可信度的重要因素。

在線評論的有效性是指在線評論所提供的信息量可以給消費者提供參考，幫助消費者進行購買決策，使消費者的需求得到滿足。郝媛媛等學者認為在線影評中的正向情感、較高正負情感混雜度以及較長的句子對評論的有效性具有顯著的正面影響[13]。許多電子商務網站，如亞馬遜、當當、京東、淘寶等都提供在線商品評論的效用評價功能——依據每條評論獲得的“有用”投票數占總投票數的比例對商品評論進行排序，獲得支持票數越多的評論說明該條評論的效用越大。

不論買家還是賣家，作為在線商品評論的讀者都希望從中獲得有助于制定決策的信息。然而，針對一件商品的在線商品評論往往數量眾多而且內容質量參差不齊，不是所有的評論都是有價值的，也不是所有的評論價值都是相等的，這就使得在線評論的質量成為了研究的重點。例如，有學者通過文檔頻率閾值、信息增益、互信息、卡方統(tǒng)計、詞項強度等指標來對評論質量進行量化判斷，是一種定量的研究方法[14]。還有學者以在線評論的有用性、可信性、影響力等因素的研究，來從側面反映在線評論的質量。比如在線評論A比B對商品銷量、收藏率、點擊率的影響大，那么就可以認為在線評論A的質量比B的好。

“數據挖掘”和“機器學習”是在線商品評論質量檢測與評估的技術手段，可以利用自然語言處理技術，判斷消費者在線評論的質量高低。例如，有學者通過機器學習技術分類審查情緒，開發(fā)了一個詞典，對在線評論的情感傾向進行分類，從無用的垃圾評論中抽取出有用的評論[15]。

35熱點五：知識挖掘與發(fā)現

“知識發(fā)現”涉及文本挖掘、人工智能、認知科學、信息科學、信息分析等領域。在線評論領域的知識發(fā)現，研究重點是在線評論作為語料庫對其進行文本挖掘，提取在線評論中有用的信息?！罢Z義分析”、“極性強度”、“情感傾向”、“自動摘要”、“評論排序”這5個關鍵詞，反映了知識發(fā)現實踐運用的全過程。語義分析是在線評論知識挖掘和發(fā)現的技術基礎，是國內情報學界對在線評論、網絡口碑研究的重點和熱點。對前人的文獻進行總結發(fā)現，挖掘的方法主要有以下幾種：構建本體的方法，基于句式、語義的方法，線性模型方法，馬爾科夫模型，基于搜索引擎片段等方法。

從網絡評論中挖掘出產品特性詞，即“產品屬性詞”已經成為信息發(fā)掘和語義分析兩個領域的熱門話題。對于中文的評論，由于語言和句式的差異，現存的國外挖掘成果很難運用到中文評論中來。我國學者們針對面向電子商務的中文網絡客戶評論中產品特征提取及相關技術進行研究，探索了中文環(huán)境下網絡客戶評論的產品特征挖掘方法，該方法基于改進關聯規(guī)則算法，實現了針對中文產品評論的產品特征屬性挖掘，查準率和查全率較高[16]。但是，對于中文評論中的產品特征挖掘研究還是起步階段，利用語言學知識對在線評論中的特征詞性進行標注，這些知識的建立需要大量的人工工作。

文本挖掘是分析非結構化文本數據，進一步使用數據和文本挖掘技術提取相關的內容，這些技術被應用到各種各樣的在線產品評論分析?；谇楦袃A向性挖掘的文獻也很多，一般將挖掘后的情感詞用于判斷情感詞的正負、強度分類等，分類的結果體現了評論者的態(tài)度是支持還是反對。目前面向中文網絡客戶評論的產品特征挖掘研究都無法實現自動評論挖掘功能。由于網絡客戶評論在書寫時隨意性較大，遣詞造句基本沒有約束，給國內在線商品評論的文本研究帶來了一定的困難。endprint

“自動摘要”和“評論排序”是知識挖掘與發(fā)現的兩個重點應用層面。自動生成摘要是根據關鍵產品特征詞以及用戶對于這些特征詞的態(tài)度，進而組成簡單明確的評價摘要，讓消費者在大量的在線評論面前一目了然，不必逐一閱讀評論就了解評論的觀點。評論排序的目的是將最有價值的評論排在前面，避免消費者在海量無序的評論中“摸不清方向”，使得消費者在短時間內找出自己所需要的信息，為購買決策提供了更好的參考價值。例如，有學者根據商品特征關聯度對購物客戶評論按照可信度進行排序[17]，使得消費者只需要閱讀前面的評論就可以真實、客觀的了解產品評論的信息，進而減少消費者搜索的時間成本。

4結語

通過上述四大研究單元和五大研究熱點的分析，筆者發(fā)現國內在線評論的研究主要集中在3個層面：

1）形態(tài)層面。形態(tài)層面上仍是繼UGC（用戶自生成內容）研究和網絡口碑研究之后的主導內容，只是在研究領域上更多的偏向電子商務、網絡營銷；在研究的數據平臺上更多的是分析零售業(yè)網站（淘寶網、京東網、亞馬遜網等）上的評論；在研究對象上更多針對的是商品的評論，而非微博的評論、新聞的評論或者時事政治等其他類型的評論。而之前有關UGC和網絡口碑的研究范圍則更廣，比如微博、博客、微信等其他所有承載網民心聲的平臺。

2）受眾層面。在受眾層面，不少學者都從受眾接受、受眾傳播的角度進行研究。盡管在線商品評論屬于UGC的一種，但與之前UGC的研究不同，在線商品評論的受眾的雙向的，即消費者和商家這兩類；而UGC的受眾往往是單向的受眾，只不過是之前的信息閱讀者轉變成了信息發(fā)布者。

3）效果層面。在效果層面，多為信息質量檢測、垃圾評論、虛假評論辨識等角度進行的，在此層面上與之前UGC的研究區(qū)別不大。UGC的研究也是在內容的監(jiān)督、管理和評價等方面的文獻較多。

結合目前的研究現狀和研究熱點，筆者認為對于國內在線評論的研究領域，應該從以下兩個方面加強：

1）在效果層面的研究加強力度。目前的研究雖取得了可喜的進展，但是現有的機器學習、語義分析等技術還不能夠做到完全精確，中文的情感傾向分析技術發(fā)展相對比較滯后，目前主要集中在網絡輿情的監(jiān)測預警方面。如果是監(jiān)督性方法對其進行挖掘需要首先從語言學的角度對這種主觀性的文本進行研究，包括語料收集、分析語言規(guī)律、研究標注規(guī)范和方法等。但在國內的研究中，這方面的基礎研究還做得很少。如果實現非監(jiān)督型的挖掘方法，就可以降低人工參與程度，所以對于中文在線商品評論的挖掘亟需進一步研究。

2）在形態(tài)層面和受眾層面加強廣度，對在線商品評論的剖析應該多角度、全方位的開展。例如，除了銷售網站的在線評論，還可以關注病人在“丁香醫(yī)生”等網站、APP或者微信公眾號等平臺上的留言評論，從緩和醫(yī)患關系的角度鼓勵病人發(fā)表評論、意見和建議，有利于避免因消極評論而導致的網上投訴、醫(yī)鬧等狀況。另外還有最近比較流行的視頻網站的“彈幕”評論，即大量的評論如同“子彈”一樣從視頻的屏幕上飛過。該評論來源于ACG（Animation，Comic和Game）文化，是一種脫胎于“二次元”文化的新型的在線商品評論，對于這類新型評論的傳播形式、傳播效果和傳播影響的研究還有很大的開墾空間。

本研究以共詞分析為基礎，采用多元統(tǒng)計方法探討了在線商品評論領域的研究現狀及熱點，通過關鍵詞之間的關系揭示不同主題之間的內在關系，試圖幫助其他研究者尋找并挖掘相關的研究主題，清晰定位研究的層次。但是本研究尚存在一些不足，比如所考察的文獻類型全部來源于學位論文和期刊論文，并沒有涉及其他類型的學術文獻，比如會議論文、專利論文等。如果將這些論文也統(tǒng)計在內的話，也許會對研究的結論起到一定的修正作用。

參考文獻

[1]陳農.在線評論研究中的主題結構：社會網絡分析視角[J].現代情報，2015，35 （1）：61-67.

[2]Yaqin Li，Yuequan Yang.The bibliometric analysis of online consumer reviews research [J].2014 4th International Conference on Applied Social Science （ICASS 2014）：194-199.

[3]楊晶.基于共詞分析法的國外口碑傳播研究熱點分析[J].情報雜志，2013，32 （11）：80-85.

[4]BlueMC在線數據分析軟件[EB].http：www.bluemc.cn.

[5]張紫瓊，葉強，李一軍.互聯網商品評論情感分析研究綜述[J].管理科學學報，2010，（6）：84-96.

[6]李宏，喻葵，夏景波.負面在線評論對消費者網絡購買決策的影響：一個實驗研究[J].情報雜志，2011，30（5）： 202-206.

[7]李燕飛.在線評論對消費者滿意度及商品銷量的影響研究[D].廣州：廣東工業(yè)大學，2016.

[8]盤英芝，崔金紅，王歡.在線評論對不同熱門程度體驗型商品銷售收入影響的實證研究[J].圖書情報工作，2011，24（4）：126-131.

[9]趙金財.基于在線評論分析的亞馬遜中國網絡營銷策略研究[D].哈爾濱：哈爾濱工業(yè)大學，2015.

[10]閻俊，蔣音波，常亞平.網絡口碑動機與口碑行為的關系研究[J].管理評論，2012，23（12）：84-91.

[11]羅曉光，溪璐路.基于社會網絡分析方法的顧客口碑意見領袖研究[J].管理評論，2012，（1）：75-81.

[12]邱云飛，王建坤，邵良杉，等.基于用戶行為的產品垃圾評論者檢測研究[J].計算機工程，2012，38（11）：254-257.

[13]郝媛媛，鄒鵬，李一軍，等.基于電影面板數據的在線評論情感傾向對銷售收入影響的實證研究[J].管理評論，2009，21（10）：95-103.

[14]聶卉.基于內容分析的用戶評論質量的評價與預測[J].圖書情報工作，2014， （13）：83-88.

[15]佘維軍.基于語義情感信息的評論有用性研究[D].重慶：重慶大學，2016.

[16] 李實，葉強，李一軍.中文網絡客戶評論的產品特征挖掘方法研究[J].管理科學學報，2009，12（2）：142-152.

[17]黃婷婷，曾國蓀，熊煥亮.基于商品特征關聯度的購物客戶評論可信排序方法[J].計算機應用，2014，34（8）：2322-2327.

（本文責任編輯：郭沫含）endprint