圖書交流平臺在線書評有用性影響因素研究
——以豆瓣讀書為例

劉敬濤，李秀霞，邵作運

(1.曲阜師范大學(xué) 傳媒學(xué)院，山東 日照 276800；2.曲阜師范大學(xué)日照校區(qū) 圖書館，山東 日照 276800)

0 引言

網(wǎng)絡(luò)時代，評價機制早已滲透到電影、食品等領(lǐng)域，“五星好評”不再是人們參考借鑒的唯一度量指標(biāo)，在線評論轉(zhuǎn)而成為傳統(tǒng)口碑的替代形式[1]。最早出現(xiàn)的網(wǎng)絡(luò)平臺中的在線圖書評論，成為讀者分享交流不可或缺的形式。隨著互聯(lián)網(wǎng)中數(shù)據(jù)量的不斷增長，信息爆炸的問題隨之而來，讀者難以從海量的評論中遍歷所有信息以篩選出有用評論。為解決這一問題，有用性投票應(yīng)運而生。梳理國內(nèi)外已有研究發(fā)現(xiàn)，目前評論有用性的研究主要集中在影視、電子商務(wù)及旅游等商業(yè)平臺領(lǐng)域。相較于強調(diào)收益的商業(yè)平臺在線評論而言，圖書交流平臺的在線評論更側(cè)重于閱讀體驗分享和知識交流，兩種平臺在其數(shù)據(jù)生成與處理中存在著顯著差異[2-3]，不能將圖書平臺和商業(yè)平臺的在線評論一概而論，加之現(xiàn)有在線評論研究多集中于商業(yè)領(lǐng)域，鮮有基于圖書交流平臺進行在線評論有用性分析的研究探索，故而，在線書評的有用性分析探討顯得尤為重要。

此外，在線書評作為圖書評價體系中的一個重要參考維度，其有用性分析也有助于識別和選取圖書評價指標(biāo)[4-5]，推動提升相關(guān)評價指標(biāo)選取的置信程度和有效性。同時，大量已有文獻證明，從心理學(xué)的角度評析用戶行為，可以更好地為有用性研究提供理論依據(jù)，從而更好地圍繞讀者或用戶進行行為分析。因此，本研究針對圖書交流平臺特點，利用情感分析方法，基于Deutsch和Gerrard的雙過程理論，構(gòu)建圖書交流平臺在線書評的有用性模型，識別和探析影響書評有用性的核心因素，以期從用戶視角為開展圖書評價提供參考。

1 相關(guān)理論

1.1 在線評論有用性界定

在線評論有用性研究源于電子商務(wù)領(lǐng)域的消費者領(lǐng)域，針對消費者在網(wǎng)絡(luò)平臺中信息不對稱現(xiàn)象識別有用的評論，以幫助消費者制訂購買決策。Mudambi S. M.等人認(rèn)為在線評論有用性是一種主觀上的認(rèn)知價值，表示購買者發(fā)表的在線評論對潛在消費者的購買決策提供幫助的程度，是對在線評論質(zhì)量判斷的一種規(guī)范[6]；國內(nèi)學(xué)者普遍認(rèn)為在線評論有用性實質(zhì)上是探究“什么樣的評論人們認(rèn)為有用”，并進行了一系列的探索：江曉東等就不同商品類型的在線評論進行分類，從在線評論的數(shù)量特征和文本客觀性總結(jié)了消費者最有用的評論特征[7]；王亞妮等人基于詳盡可能模型，從評論信息的中心路徑和邊緣路徑作為切入點，分別探析評論深度、評論極性、評論及時性和評論者專業(yè)性在評論有用性及影響因素中的作用關(guān)系[8]。

1.2 雙重過程理論

在探討“什么樣的評論人們認(rèn)為有用”的同時，許多研究也關(guān)注了“人們是如何受信息影響的”。雙過程理論是源于心理學(xué)領(lǐng)域的一項基礎(chǔ)理論，用于研究人們兩種不同深度的信息處理方式，較為典型的雙過程理論模型包括詳盡可能型模型(Elaboration Likelihood Model，ELM)和啟發(fā)式-系統(tǒng)式模型(Heuristic Systematic Model，HSM)。ELM提出兩種處理信息的形式，個體會根據(jù)自身的能力及目的來處理不同類型的信息(核心信息和相關(guān)信息)[9]，核心信息需要謹(jǐn)慎進行信息的加工與處理，而相關(guān)信息則需要根據(jù)不同的環(huán)境和需求形式來決定其使用。HSM模型將信息處理方式劃分成基于直覺的啟發(fā)式和基于理性的系統(tǒng)式[10-11]。一般認(rèn)為，ELM和HSM等模型都是個體關(guān)于不同層次和不同深度信息的接受和處理模式，ELM中的相關(guān)信息處理和HSM中的基于直覺的啟發(fā)式都屬于淺層的處理，是一種花費時間較少、相對輕松的處理；相反，深層次的處理是一種花費時間相對較多、速度相對較慢并且費勁的處理[12]。將雙過程理論與網(wǎng)絡(luò)信息研究相結(jié)合可以更好地在網(wǎng)絡(luò)環(huán)境下開展用戶信息研究，并在多個領(lǐng)域取得研究成果[13-15]。

本研究模型設(shè)計思想采用Deutsch和Gerrard的雙重過程理論[16]，系源于紐約大學(xué)人際關(guān)系研究中心的一項關(guān)于規(guī)范性影響和信息性影響對個人判斷的影響研究，研究將規(guī)范性影響定義為與公眾期望所一致的影響，即：可直接獲取的結(jié)構(gòu)化信息所產(chǎn)生的影響；信息性影響定義為從他人處獲取信息，并將其作為行為指導(dǎo)的影響，即：對他人言行等信息進行價值判斷后所產(chǎn)生的影響。從網(wǎng)絡(luò)評論特征來看，信息性影響和規(guī)范性影響能夠較好地解釋網(wǎng)絡(luò)用戶的信息接受和評論行為，在依靠虛擬接觸的網(wǎng)絡(luò)環(huán)境下，讀者除了受圖書本身及相關(guān)的規(guī)范性影響外，還會受到在線評論及相關(guān)內(nèi)容的信息性影響。Cheung M. Y.等人根據(jù)上述理論將在線商品評論的情感色彩、偏側(cè)性、來源可信度等劃分為信息性影響因素；將推薦一致性(平臺與評論之間)、推薦等級劃分為規(guī)范性影響[17]，從消費者感知在線評論說服力的角度驗證了雙過程理論對在線評論的適用性。

2 研究模型及假設(shè)

2.1 研究模型

結(jié)合以往研究，將影響讀者進行有用性投票的因素劃分為規(guī)范性影響(包括評論發(fā)布者的資歷和評論發(fā)布時長)和信息性影響(包括評論情感值及受正、負(fù)向情感詞數(shù)量調(diào)節(jié)的文本長度)。同時對在線評論有用性的相關(guān)研究進行了歸納和總結(jié)，最終決定使用在線書評的有用性投票數(shù)量來衡量在線評論有用性，并改進了以往的數(shù)據(jù)處理和情感值計算方法，通過定性分析、定量分析和可視化等結(jié)合的方法，提出了一個具有圖書交流平臺特色的在線書評有用性模型，如圖1所示。圖1中，研究假設(shè)規(guī)范性影響和信息性影響均直接作用于在線書評有用性，且正向詞和負(fù)向詞能夠在書評文本長度與書評有用性關(guān)系中發(fā)揮調(diào)節(jié)作用。

2.2 研究假設(shè)

2.2.1 信息性影響

2.2.1.1 評論文本的長度

目前，學(xué)界關(guān)于評論文本長度對其有用性的影響存在兩種觀點：一種觀點認(rèn)為，評論長度對于其有用性有積極影響。讀者往往認(rèn)為評論的長度越長，代表評論發(fā)布者的專注性和專業(yè)性越高。這一點得到了許多研究的驗證[18]。另一種觀點認(rèn)為，評論長度與其有用性之間呈著倒U型曲線關(guān)系[19]，兩者之間存在一個極值點，隨著評論長度的增加，有用性隨之遞增，而到達(dá)極值點后，讀者閱讀評論的成本變高，潛在的有用性可能隨之降低。而在在線書評中，書評文本越長，反饋的信息量則越大，更能反映讀者對圖書的價值判斷，因此本研究提出如下假設(shè)。

H1 在線書評文本的長度與其有用性存在正相關(guān)關(guān)系。

2.2.1.2 評論情感

學(xué)界圍繞評論的情感傾向與書評有用性間的關(guān)系，開展了不同層面的研究。一如僅考慮情感傾向，

Fig.1 Online book review usefulness model圖1 在線書評有用性模型

Cheung M. Y.等人認(rèn)為，與中性評論相比，極性評論不僅能提升信息的完備性，且會獲得更多的有用性投票[17]。因為能指明被評論對象優(yōu)缺點的評論，一般是通過實踐活動得出的結(jié)論。又如考慮評論情感的正負(fù)平衡比，Purnawirawan N.等人發(fā)現(xiàn)積極評論和消極評論對于讀者的影響幾乎一致，正負(fù)評論情感詞數(shù)量的平衡和其在文本中的先后順序顯著影響評論的有用性[20]。通過梳理已有研究，尚未有研究印證書評的情感值與其有用性之間的關(guān)系。此外，本研究還試圖探析書評中的情感詞在文本長度中起到的調(diào)節(jié)作用，以證明內(nèi)容豐富、觀點清晰明確的書評是否更為有用，因此研究提出如下假設(shè)。

H2 在線書評的Boson情感值與其有用性呈正相關(guān)。

H2a 正向情感詞在書評文本長度與有用性之間起調(diào)節(jié)作用。

H2b 負(fù)向情感詞在書評文本長度與有用性之間起調(diào)節(jié)作用。

2.2.2 規(guī)范性影響

2.2.2.1 評論發(fā)布者的資歷

評論發(fā)布者的資歷很大程度上決定著其評論的可信度，值得注意的是，不同的平臺提供的評論發(fā)布者的特征方面的隱含性數(shù)據(jù)也不同。如史達(dá)等人通過TripAdvisor平臺獲取評論發(fā)布者的歷史評論數(shù)和評論者類型，證實了兩者均對評論的有用性有積極影響[14]。Forman C.等也通過Amazon平臺進行了相同角度的研究，認(rèn)為評論發(fā)布者信息(內(nèi)容情節(jié)、情感傾向)越豐富，其評論的有用性也越高[21]。本研究根據(jù)數(shù)據(jù)來源平臺的特點，選取評論發(fā)布者加入平臺的時長作為時間資歷、選取評論發(fā)布者的“讀過”數(shù)作為能力資歷兩個變量，提出如下假設(shè)。

H3a 評論發(fā)布者加入平臺的時長與其評論的有用性之間存在正相關(guān)關(guān)系。

H3b 評論發(fā)布者的“讀過”數(shù)與其評論的有用性之間存在正相關(guān)關(guān)系。

2.2.2.2 書評發(fā)布天數(shù)

一般而言，學(xué)者普遍認(rèn)為評論發(fā)布的時長與其有用性呈負(fù)相關(guān)。由于電子商務(wù)領(lǐng)域中產(chǎn)品更新?lián)Q代頻繁，時間久遠(yuǎn)的評論難以反映產(chǎn)品的當(dāng)下面貌，因此評論的及時和新穎顯得格外重要。如王智生等、Cao Q.等及Ghose A.等認(rèn)為評論的發(fā)布天數(shù)與有用性投票之間存在負(fù)向的影響作用，進而討論與銷量之間的關(guān)系[22-24]。因評論對象及屬性不同，圖書交流平臺的書評往往不會因圖書的再版和紙質(zhì)的改進而產(chǎn)生變化，反而隨著時間的累計及馬太效應(yīng)的影響，高有用性書評會積攢更多的有用性投票。因此，本研究提出如下假設(shè)。

H4 書評發(fā)布天數(shù)與評論有用性之間存在正相關(guān)關(guān)系。

3 實證研究

3.1 數(shù)據(jù)來源與處理

豆瓣讀書(www.book.douban.com)是目前國內(nèi)用戶活躍量最大的圖書交流平臺，其優(yōu)勢在于服務(wù)功能全面、數(shù)據(jù)豐富、用戶黏性較大、多數(shù)用戶具有較強的專業(yè)性，因此豆瓣讀書是網(wǎng)絡(luò)用戶分析和圖書評價的絕佳平臺。

在數(shù)據(jù)獲取階段，由于豆瓣讀書網(wǎng)站中的圖書種類多樣、數(shù)量眾多，所以本研究采取隨機抽樣的方式，即：圖書分類標(biāo)簽和圖書樣本均以70 ∶1的標(biāo)準(zhǔn)隨機篩選，最終選取經(jīng)濟類圖書和科普類圖書各十本為數(shù)據(jù)樣本。實驗數(shù)據(jù)的采集利用網(wǎng)絡(luò)爬蟲工具八爪魚爬取圖書原始評論(短評)、有用性投票、星級評分分?jǐn)?shù)、評論發(fā)布者加入平臺時長、評論發(fā)布者“讀過”數(shù)以及評論發(fā)布時間。其中，經(jīng)濟類圖書刪除14條重復(fù)評論后，得到短評數(shù)量1 857條，有用性投票數(shù)獲3票及3票以上的評論319條；科普類刪除18條重復(fù)評論后，得到1 663條短評，有用性投票數(shù)獲3票及3票及以上的評論336條。數(shù)據(jù)采集完成時間為2020年12月30日。

在數(shù)據(jù)統(tǒng)計階段，將所得數(shù)據(jù)合并后，為探討有用性投票的影響因素，篩選出有用性投票數(shù)為3及3以上的評論，刪減有用性票數(shù)1 000及以上的評論，得到評論數(shù)共計642條。由于本研究的變量數(shù)為7，因此該數(shù)據(jù)量符合數(shù)據(jù)分析的要求。隨后，通過R語言進行文本切詞，經(jīng)過去重等操作后構(gòu)建領(lǐng)域詞典和領(lǐng)域情感詞典，再利用集搜客情感標(biāo)注工具(V8.8)導(dǎo)出情感詞與每條書評的匹配關(guān)系。文本長度計算通過Excel中LEN函數(shù)計算得出；加入平臺時長、書評發(fā)布天數(shù)均以數(shù)據(jù)采集完成時間為終止時間，同樣通過Excel中的DATEDIF函數(shù)計算得出。最后，對每個數(shù)據(jù)集進行標(biāo)準(zhǔn)化處理，解決各數(shù)據(jù)集之間單位不一的問題。

3.2 評語情感分析

利用Python中SnowNLP庫對評論文本進行情感分析，但與評論發(fā)布者標(biāo)注的星級評分分?jǐn)?shù)進行對比時，發(fā)現(xiàn)情感值與星級評分分?jǐn)?shù)的正態(tài)分布并不一致，基于改進的Boson情感詞典進行文本情感分析更能準(zhǔn)確地識別評論中的情感傾向。同時，為避免詞典算法中詞匯不完善問題，將Boson情感詞典與本研究生成的領(lǐng)域詞典進行合并處理。然后，利用Python中的Jieba庫自編代碼切詞并設(shè)計情感計算邏輯：設(shè)置權(quán)重乘以情感詞的得分，情感詞下標(biāo)加一，獲取下一個情感詞的位置，設(shè)置判斷當(dāng)前的情感詞與下一個情感詞之間是否有程度副詞或否定詞，設(shè)置否定詞取反權(quán)等。由于所得文本情感屬于非連續(xù)數(shù)據(jù)，且正負(fù)不一，因此將其進行了標(biāo)準(zhǔn)化處理。各變量符號及其解釋見表1。

表1 研究模型中變量符號及解釋說明Table 1 Variable symbols and explanations in the research model

3.3 變量統(tǒng)計分析

通過變量描述性統(tǒng)計(見表2)發(fā)現(xiàn)，與其他數(shù)據(jù)變量相比，“讀過”數(shù)和加入平臺時長兩條數(shù)據(jù)存在缺失值(少于642條)，這是因為某些讀者在早期發(fā)布評論后，隨后進行了賬號注銷或被平臺封號等操作，導(dǎo)致出現(xiàn)后期無法查詢評論發(fā)布者信息的問題。另外，書評發(fā)布天數(shù)、“讀過”數(shù)和加入平臺時長等數(shù)據(jù)極值差距過大，通過標(biāo)準(zhǔn)差看數(shù)據(jù)分布又過于離散，可見，對數(shù)據(jù)進行標(biāo)準(zhǔn)化處理是必要的。

除調(diào)節(jié)變量外，利用SPSS對所有變量進行標(biāo)準(zhǔn)化處理，進而進行Spearman非參數(shù)相關(guān)性分析，計算Spearman相關(guān)系數(shù)(見表3)。

表2 變量描述性統(tǒng)計表Table 2 Descriptive statistics of variables

表3 相關(guān)性分析結(jié)果Table 3 Correlation analysis results

由表3可知，負(fù)調(diào)節(jié)、Boson情感值、“讀過”數(shù)、加入平臺時長、書評發(fā)布天數(shù)五個變量都一定程度上與書評有用性存在較為顯著的相關(guān)關(guān)系。然而，僅通過變量之間的相關(guān)性分析無法準(zhǔn)確衡量各變量的重要程度和作用關(guān)系，因此需要構(gòu)建數(shù)學(xué)模型進行回歸分析。

3.4 模型分析

為揭示多個變量對書評有用性的共同作用和交互作用，繼續(xù)建立計量模型來進一步分析評論特征對書評有用性的影響。根據(jù)上文提出的在線書評有用性模型構(gòu)建數(shù)學(xué)模型(見式1)，并對變量進行統(tǒng)計與分析，各變量符號及解釋如表1。

Helpness=α+β1×Count+β2×Boson+β3×(Pos&Count)+β4×(Neg&Count)+β5×Read+β6×Join+β7×Time+ρ

式1

下面通過StataMP16中Tobit回歸和Logit回歸來驗證假設(shè)，驗證結(jié)果如表4所示。

一般來說，卡方值越大p值越小(p>|t|的值越小回歸結(jié)果顯著)，模型擬合優(yōu)度較高，回歸結(jié)果較為顯著。再者，通過t值一方面可以判斷自變量與因變量之間的正反比關(guān)系(t>0時，成正比；t<0則反之)，另一方面可以判斷自變量影響的顯著程度(t的絕對值大于1即顯著)。由此可以看出，評論發(fā)布者加入平臺的時長與書評有用性成正比(t=2.74)，這說明評論發(fā)布者的時間資歷對讀者具有規(guī)范性影響，評論發(fā)布者的加入平臺的資歷越久越能得到其他讀者的認(rèn)可，所以H3a成立。但是，評論發(fā)布者的“讀過”數(shù)卻并不顯著(t=-0.08)，說明書評所獲有用性投票數(shù)不受評論發(fā)布者的能力資歷影響，所以H3b不成立。其原因可能是因為豆瓣讀書平臺中的“讀過”數(shù)由個人自行標(biāo)注，讀者可能對其真實性有所考慮。同時，書評發(fā)布天數(shù)與書評有用性亦呈正相關(guān)關(guān)系(t=3.49)，這也與其他學(xué)者的結(jié)論一致[25]，書評發(fā)布時間越早越有可能獲得更多的有用性投票，因此H4成立。

表4 書評有用性模型回歸結(jié)果Table 4 Regression results of book review usefulness model

另外從信息性影響看，Boson情感值對應(yīng)的t值為-0.29，說明書評情感的作用并不明顯，并非情感越積極的書評有用性越高，所以H2不成立。另外，圖書評論的字符數(shù)的影響力同樣不明顯(t=0.13)，書評的有用性并不受書評文本長度的影響，所以，H1不成立。這與之前的研究結(jié)論相反[18-19]，差異原因極有可能是研究對象不同所致，這進一步說明圖書交流平臺與電子商務(wù)平臺有用性研究的不一致性。

然而，負(fù)調(diào)節(jié)以及正調(diào)節(jié)均通過了顯著性檢驗(t=1.83和t=-3.02)，也就是說，盡管評論文本長度無法直接影響評論的有用性，但會通過評論文本中的情感詞體現(xiàn)出來。發(fā)長文本書評來發(fā)泄自己的消極情緒往往會得到更多的有用性投票，即H2b成立；越簡短而又正向的書評，讀者卻越認(rèn)為低有用性，即H2a成立。

綜上，理論模型驗證情況如圖2所示。規(guī)范性影響較為直接地作用于書評的有用性，評論者加入平臺時長和評論發(fā)布時長均顯著影響在線書評的有用性；而信息性影響則需要不同因素相互聯(lián)結(jié)產(chǎn)生影響，書評的文本長度和情感傾向雖不直接影響其有用性，但正向詞和負(fù)向詞能夠在書評文本長度與書評有用性關(guān)系上發(fā)揮調(diào)節(jié)作用。

4 結(jié)論與討論

4.1 研究結(jié)論

本研究以Deutsch和Gerrard的雙重過程理論為基礎(chǔ)，構(gòu)建了圖書交流平臺在線書評有用性識別的研究框架，將書評有用性的影響因素分為信息性影響(包括書評文本長度(字符數(shù))、書評Boson情感值)和規(guī)范性影響(包括評論發(fā)布者資歷、書評發(fā)布天數(shù))，通過定性分析、定量分析和可視化等結(jié)合的方法，探究多維因素在書評有用性中的影響，研究得到如下結(jié)論。

其一,在信息性影響中，書評長度和總體情感值對書評有用性的影響不顯著。讀者并不關(guān)注書評的長短及總體的情感色彩。這與電子商務(wù)領(lǐng)域的研究結(jié)論完全相反，因為在讀書交流平臺中，讀者需要完整閱讀書評才能做出有用性反饋；而在電子商務(wù)平臺中，用戶僅需對評論中所關(guān)注的點進行具體閱讀，這種找關(guān)鍵詞、找圖片等瀏覽方式較前者相比大相徑庭。同時，負(fù)向詞與正向詞的數(shù)量在書評長度及其有用性之間存在著顯著的調(diào)節(jié)作用。顯然，用簡短篇幅去贊揚圖書的書評不會得到多數(shù)讀者的共鳴，反而進行批評交流的論述會引起更多人的關(guān)注，這是因為能夠批判性地提出作品不足的評論，多數(shù)是認(rèn)真研讀作品后作出的總結(jié)，這也與現(xiàn)實場景中圖書交流平臺的用戶分享、交流的特點相符。且中文書評語言委婉，善用修辭等表達(dá)方式，并非書評長度及總體感情色彩所能表示，例如諷刺、反語等，在書評總體情感色彩在很難體現(xiàn)，而通過計算情感詞的調(diào)節(jié)作用，能更好地體現(xiàn)書評的信息性影響所產(chǎn)生的作用。

Fig.2 Theoretical model verification results圖2 理論模型驗證結(jié)果注：一個*表示p<0.10；兩個*表示p<0.05；三個*表示p<0.01

其二,在規(guī)范性影響中，讀者對書評發(fā)布者的兩種資歷(時間資歷、能力資歷)認(rèn)可度不同。時間資歷對書評有用性有積極作用，書評發(fā)布者的平臺時間資歷久，往往能得到更多的關(guān)注與認(rèn)可；而能力資歷在有用性中發(fā)揮的作用顯然不盡如人意。原因有兩方面，一方面，“讀過”數(shù)是由每個豆瓣讀書的用戶自己標(biāo)注的，并無追認(rèn)和驗證渠道；而加入平臺時長是由豆瓣官方平臺提供，個人用戶無法更改或造假。通過對兩者的可信度比較，也再現(xiàn)了讀者的顧慮和觀點。另一方面，時間資歷與能力資歷未必對等，加入平臺時間久未必標(biāo)注的“讀過”數(shù)一定高，標(biāo)注“讀過”數(shù)高的讀者未必加入時間一定久。兩組數(shù)據(jù)相關(guān)但不相同。同時，書評發(fā)布的時長對書評有用性有顯著的積極影響。研究在考慮馬太效應(yīng)和首因效應(yīng)的影響下，排除了高有用評論再進行有用性分析，依舊得到與假設(shè)一致的結(jié)論，證明了書評發(fā)布越久有用性票數(shù)會越多。

綜合不同維度下的影響因素，規(guī)范性影響和信息性影響在讀者的信息行為中均發(fā)揮著重要的作用。規(guī)范性影響更為直接的作用于有用性反饋，而信息性影響則需要通過不同因素聯(lián)結(jié)的方式發(fā)揮作用。以往的研究僅考慮評論的極性及極性的不同所產(chǎn)生的影響，缺乏多因素綜合分析的考量。而本研究綜合書評長度及句法中的詞語色彩，證明了負(fù)向詞和正向詞與書評文本長度結(jié)合對有用性反饋具有顯著影響。

4.2 討論

本研究針對圖書交流平臺的特點，分類識別了影響書評有用性的多維因素，探析各因素的實現(xiàn)機理，并得到了一些與之前研究不同的結(jié)論和發(fā)現(xiàn)，本研究的結(jié)論有助于更好地理解和分析讀者閱讀傾向和行為，不僅對網(wǎng)站運維方的管理、引導(dǎo)工作富有啟示意義，也可以為在線評論有用性分析和圖書評價工作探索提供有益參考，進而為在線選取評論維度及評價指標(biāo)提供科學(xué)的分析參考方式。同時，Deutsch和Gerrard的雙重過程理論為進行網(wǎng)絡(luò)環(huán)境下的用戶分析探索了一個新的理論視角，與圖書交流平臺相融合可豐富其理論的應(yīng)用場景和實踐領(lǐng)域，拓展了在線書評的理論框架。

研究的局限性在于：首先，本研究僅考慮了程度詞、否定詞在總體情感分析中的作用，并沒有考慮其對具體評論中產(chǎn)生的影響，以進一步界定程度詞在句法可讀性中發(fā)揮的作用;其次，研究結(jié)論基于消費者對評論的有用性投票得出，沒有測度低有用性投票和認(rèn)為評論不具有用性的在線書評，上述問題有待在今后的研究中采用更優(yōu)秀的語言模型以進一步突破。