文本内容对网络评论有用性的影响研究
语言风格对在线评论有用性的影响:调节定向视角
语言风格对在线评论有用性的影响：调节定向视角
朱振中;房晓芸;单明辉;Haipeng(Allan)Chen
【期刊名称】《南开管理评论》
【年(卷),期】2024(27)3
【摘要】在线评论已经成为许多消费者进行购买决策的重要依据。
基于调节定向理论和诊断性模型,本文探讨了在线评论语言风格与调节定向对评论有用性的交互作用、影响机制及边界条件。
通过三个实验研究发现,对预防定向(vs.促进定向)消费者而言,陈述性(vs.修辞性)语言更能产生评论有用性感知,而感知诊断性发挥中介作用。
本文也确定了服务类型对该机制的再调节作用:对体验服务而言,预防定向(vs.促进定向)消费者对陈述性(vs.修辞性)语言产生更高评论有用性;对信任服务而言,两种调节定向消费者都更喜欢陈述性语言。
【总页数】13页(P234-244)
【作者】朱振中;房晓芸;单明辉;Haipeng(Allan)Chen
【作者单位】山东理工大学管理学院;Tippie College of Business of Iowa
【正文语种】中文
【中图分类】G63
【相关文献】
1.基于调节定向理论的在线评论感知有用性差异研究
2.评论效价、新产品类型与调节定向对在线评论有用性的影响
3.在线评论有用性的影响因素研究——品牌声誉
和产品类型的调节效应4.在线评论有用性的影响因素研究——基于商品类型的调节效应
因版权原因，仅展示原文概要，查看原文内容请购买。
在线评论的有用性影响因素研究
在线评论的有用性影响因素研究随着互联网的普及和发展，网络评论在人们的生活中起着越来越重要的作用。
人们在购物、旅行、观影等方面往往会提前查看其他用户的评论来作为决策的参考。
并不是所有的在线评论都能给人们提供有价值的信息，很多评论只是表达个人情感或者是恶意攻击。
研究在线评论的有用性影响因素对于改进评论质量、提供更好的决策参考具有重要意义。
一、评论者的可信度评论者的可信度是影响在线评论有用性的一个重要因素。
一个可信的评论者往往是有足够的经验和专业知识，能够提供具体的信息和客观的评价。
反之，一个缺乏可信度的评论者可能只是发表主观情感或者是为了达到某种目的而发布评论。
评估评论者的可信度能够帮助人们识别有用的评论。
二、评论者的意图评论者的意图是另一个影响在线评论有用性的因素。
有些评论者可能有商业利益或者是个人偏见，他们可能会刻意夸大某个产品或者是贬低某个竞争对手的产品。
了解评论者的意图能够帮助人们对评论进行正确的解读和理解。
一种方法是通过评论者的历史记录来判断其意图，比如是否一直吹捧某个品牌或者是一直攻击某个竞争对手。
三、评论的内容和语言评论的内容和语言直接决定了评论的有用性。
有用的评论通常会提供具体的细节和事实，帮助人们更好地了解产品或服务的特点和优缺点。
而毫无根据的评论或者是带有攻击性的评论往往没有太大的参考价值。
评论的语言也需要简洁明了，容易理解，以便用户能够迅速获取到有用的信息。
四、评论的量和多样性评论的数量和多样性也是影响在线评论有用性的因素。
如果一个产品或者服务只有少数评论，那么这些评论的可信度和代表性就会受到质疑。
相反，如果一个产品或者服务有大量的评论，并且这些评论来自于不同的人群和不同的观点，那么这些评论的有用性就会更高。
评论者的可信度、评论者的意图、评论的内容和语言以及评论的数量和多样性是影响在线评论有用性的重要因素。
了解和评估这些因素能够帮助人们正确理解和利用在线评论，从而提供更好的决策参考。
在线评论的有用性影响因素研究
在线评论的有用性影响因素研究第一，评论者的专业性和知识水平。
在线评论的有用性往往受制于评论者的专业性和知识水平。
如果评论者具备高水平的专业知识，其评论往往更加准确，深入，有用。
反之，如果评论者缺乏专业知识，很可能会误导其他人，导致评论的失用。
第二，评论的内容和质量。
评论的内容和质量，直接影响着评论的有用性。
好的评论应该包含与主题相关的信息，情感和想法等方面的内容。
如果评论内容清晰、准确、简洁明了，能够降低读者沉重的阅读负担，增加有用性。
第三，评论的可信度和价值。
评论可信度越高，价值越大，在线评论的有用性也就越高。
为了提高评论的可信度和价值，评论者应该为自己的评论提供足够的论据和证据，尽量避免使用过分夸张的言辞，并且尊重其他评论者的观点。
第四，评论的数量和多样性。
大量的评论和不同类型的评论可以有效地增加在线评论的有用性。
更多的评论提高了访问者的参考选择，从而提高了评论的有用性。
多样性的评论可以反映不同的视角和观点，促进了更广泛的交流和探讨。
第五，评论的发表时间。
评论在一个事件或主题的最初阶段发表，其有用性往往比在后续阶段的更高。
这是因为早期的评论者可以掌握更多的信息和知识来源，从而更好地理解主题，并加深与主题相关的想法和观点。
综上所述，在线评论的有用性受到多种因素的影响，包括评论者的专业性和知识水平，评论的内容和质量，评论的可信度和价值，评论的数量和多样性，以及评论的发表时间。
为了提高在线评论的有用性，需要评论者积极参与，注意评论的质量和内容，从而促进更高水平的讨论和交流。
在线评论的有用性影响因素研究
在线评论的有用性影响因素研究1. 引言1.1 研究背景在当今数字化时代，随着互联网的普及和发展，网络购物已经成为人们生活中不可或缺的一部分。
在进行网上购物时，消费者通常会通过阅读他人的在线评论来了解产品的质量和性能。
在线评论已经成为评价产品和服务的重要依据之一。
随着网络技术的不断发展和普及，互联网上的虚假评论和广告越来越多，导致消费者很难辨别评论的真实性和可信度。
一些评论可能会受到商家或竞争对手的操纵，从而影响消费者的购买决策。
研究在线评论的有用性及影响因素成为当下亟需解决的问题。
了解在线评论的重要性及其影响因素，有助于提高消费者对产品和服务的选择准确性，同时也能促进商家提升产品质量和服务水平。
本研究旨在探讨在线评论的有用性及其影响因素，为消费者和商家提供更为准确和可靠的参考依据。
1.2 研究目的在线评论作为消费者在购物过程中获取信息的重要渠道，其有用性对消费者的购物决策起着至关重要的作用。
随着网络技术的发展和社交化媒体的普及，网络上的虚假评论、恶意评论等也越来越多，给消费者的判断带来了困扰。
本研究旨在探讨在线评论的有用性，识别影响其有用性的因素，为消费者提供可靠、有用的在线评论信息，从而帮助消费者做出更符合自身需求的购物决策。
在此背景下，本研究将重点关注在线评论的有用性以及影响其有用性的因素，深入探讨用户评论的特点以及在线评论的评价方式，旨在为消费者提供更准确、更可靠的在线评论信息，从而增强其购物体验，提高对产品的满意度和忠诚度。
通过本研究的开展，有望为电子商务平台提供提升用户体验和增加交易量的参考建议，为相关学术研究提供有益的参考和借鉴，推动在线评论有用性研究的深入发展。
1.3 研究意义在线评论在当今社会中扮演着重要的角色，对消费者和企业都具有极大的影响力。
随着互联网的普及和社交媒体的发展，越来越多的用户选择在网上分享自己的消费体验和观点。
研究在线评论的有用性影响因素对于理解消费者行为、提高产品和服务质量具有重要意义。
《基于大数据的评论文本情感分析方法研究》范文
《基于大数据的评论文本情感分析方法研究》篇一一、引言随着互联网技术的迅猛发展，海量的评论文本在社交媒体、电商平台、新闻资讯等网络平台上产生并传播。
对这些评论文本进行情感分析，可以了解公众对于各种话题、产品、服务等的态度和观点，从而为企业决策提供重要依据。
本文旨在研究基于大数据的评论文本情感分析方法，为相关领域的研究和应用提供参考。
二、评论文本情感分析的重要性评论文本情感分析是一种自然语言处理技术，通过对文本中的情感倾向进行识别和分类，来了解文本所表达的情感。
这种技术在市场营销、舆情监测、品牌管理等领域具有广泛应用。
通过对评论文本进行情感分析，企业可以了解消费者对产品的满意度、对服务的评价等，从而及时调整策略，提高产品和服务的质量。
三、基于大数据的评论文本情感分析方法1. 数据收集与预处理在大数据环境下，首先需要从各种网络平台上收集评论文本数据。
收集到的数据往往包含大量的噪声和无关信息，因此需要进行预处理，包括去除停用词、词干提取等步骤，以提高后续分析的准确性。
2. 文本表示文本表示是将文本数据转化为计算机可以处理的数值形式的过程。
常用的文本表示方法包括词袋模型、TF-IDF等。
这些方法可以将文本转化为向量形式，方便进行后续的机器学习和深度学习操作。
3. 特征提取与选择在文本表示的基础上，需要提取和选择有意义的特征，以供后续的情感分析使用。
常用的特征包括词频、词性、情感词等。
这些特征可以通过各种算法进行提取和选择，如TF-IDF算法、基于规则的方法等。
4. 情感分析模型构建根据提取的特征，可以构建情感分析模型。
常用的模型包括基于规则的方法、机器学习方法、深度学习方法等。
其中，机器学习和深度学习方法是近年来研究的热点。
这些方法可以通过训练大量数据来自动学习和提取文本中的情感特征，从而实现高精度的情感分析。
四、常见情感分析方法及优缺点1. 基于规则的方法：该方法通过制定一系列规则来识别文本中的情感词和短语，从而判断文本的情感倾向。
《基于文本与用户行为挖掘的虚假评论识别研究》范文
《基于文本与用户行为挖掘的虚假评论识别研究》篇一一、引言随着互联网技术的不断发展，在线评论平台已经成为消费者决策的重要依据。
然而，由于商业利益的驱动，虚假评论的存在却对评论的真实性和可信度产生了严重的负面影响。
为了有效应对这一问题，本研究提出了基于文本与用户行为挖掘的虚假评论识别方法。
本文将详细介绍该方法的理论基础、研究方法及实验结果，以期为虚假评论的识别与防范提供参考。
二、研究背景及意义在线评论已经成为消费者获取商品信息、评价及选择的重要依据。
然而，随着电子商务的迅猛发展，虚假评论问题日益严重，严重影响了消费者的购物体验和决策。
虚假评论不仅误导了消费者，还损害了商家的信誉。
因此，研究虚假评论的识别方法，对于提高在线评论的真实性和可信度，维护消费者权益，促进电子商务的健康发展具有重要意义。
三、研究方法本研究采用基于文本与用户行为挖掘的虚假评论识别方法，主要包括以下几个方面：1. 文本挖掘：通过对评论内容的语义、情感、语言风格等特征进行提取和分析，识别出虚假评论的文本特征。
2. 用户行为挖掘：通过对用户的行为数据进行分析，包括评论频率、评论时间、评论内容相似度等，挖掘出虚假评论的用户行为特征。
3. 特征融合：将文本挖掘和用户行为挖掘得到的特征进行融合，构建虚假评论的识别模型。
4. 模型训练与优化：利用大量真实数据对模型进行训练和优化，提高识别准确率。
四、实验结果与分析1. 实验数据集：本研究采用了公开的在线评论数据集进行实验，包括商品评论、用户行为数据等。
2. 实验方法与步骤：首先对评论内容进行文本挖掘，提取出语义、情感、语言风格等特征；然后对用户行为数据进行挖掘，提取出评论频率、评论时间、评论内容相似度等特征；最后将两者特征进行融合，构建虚假评论的识别模型。
3. 实验结果：通过大量实验，我们发现该方法能够有效识别虚假评论。
在准确率、召回率、F1值等指标上均取得了较好的效果。
五、讨论与展望本研究提出的基于文本与用户行为挖掘的虚假评论识别方法具有一定的实用性和可行性。
四种网购评论类型的有用性感知研究
四种网购评论类型的有用性感知研究隨着电网购行业的发展，网络评论成为消费者决策的重要依据。
网络购物评论类型主要可分为好评、差评、追评以及带图评论，不同类型的评论有用性感知程度不同。
根据问卷调查结果，带图评论的有用性感知最高，其次分别为差评和追评，最低的是好评。
标签：带图评论；差评；追评；好评；有用性感知一、引言当今时代，网购已成为国民的主要消费模式，互联网消费行为已涵盖了我们衣食住行的方方面面。
由于商家和消费者的信息存在着不对称性，尤其在网络购物，卖方的资信难以评估的情况下，口碑成为消费者购买商品的重要影响因素。
传统的口碑是指顾客告知朋友、家人或同事某事件，从而创造出某种程度的满意度。
口碑随着通讯技术发展和平台的演变，其传播方式也多种多样。
在电子商务领域，口碑已也即网购评论，因其具有多视角、非商业化、获取便捷等优点，正逐渐成为消费者最为倚仗的决策依据之一，也是商家信誉的重要因素。
目前国内最大的电商平台如淘宝、京东、唯品会、苏宁易购等，其网购评价主要可分为好评、差评、带图评论、追评等。
而不同类型的评价对消费者决策的影响程度如何？商家一味地追求好评是否就能赢得消费者的信任？本次研究將网购经历的人作为调查对象，采用网络调研和实地问卷的方式，共随机抽取356份作为调查样本。
其中网络途径收集到250份，实地发放150份，有效率为89.89%。
调查样本女性占58.66%，男性占41.34%，年龄主要为18岁-30岁，学历以本科学历为主。
二、不同类型的评论有用性感知根据我们的问卷调查，结果显示带图评论和差评的有用性感知最高，有50.8%的调查者认为带图评论最能影响其对商品的判断，以及31.1%的消费者认为差评最能影响其购物决策。
其次追评的有用性感知较高，占12.06%。
而好评的影响最低，仅占6.03%。
1.带图评价调查显示，87%的消费者会结合卖家与评论的图片，有相信的选择，而7%的消费者仅选择卖家的图片，而6%的消费者只看买家的评论。
《基于大数据的评论文本情感分析方法研究》范文
《基于大数据的评论文本情感分析方法研究》篇一一、引言随着互联网的迅猛发展，大数据时代已经来临。
海量的网络评论文本为人们提供了丰富的信息，而如何有效地从这些文本中提取出有用的情感信息，成为了一个重要的研究课题。
基于大数据的评论文本情感分析方法研究，旨在通过先进的算法和技术手段，对评论文本进行情感分析，从而为商业决策、舆情监控、产品改进等领域提供有力的支持。
二、评论文本情感分析的重要性评论文本情感分析是指通过对文本内容进行情感倾向性判断，从而得出文本所表达的情感极性（如正面、负面或中立）。
在商业领域，情感分析可以帮助企业了解消费者对产品的态度和需求，为产品改进和营销策略制定提供依据。
在舆情监控领域，情感分析可以及时发现社会热点和民众情绪，为政府和企业提供决策支持。
因此，评论文本情感分析在各个领域都具有重要的应用价值。
三、基于大数据的评论文本情感分析方法1. 数据预处理在进行情感分析之前，需要对评论文本进行数据预处理。
这一步骤包括数据清洗、分词、去除停用词、词性标注等。
通过这些预处理操作，可以将原始的文本数据转化为计算机可以处理的格式。
2. 特征提取特征提取是情感分析的关键步骤。
通过使用TF-IDF、word2vec、BERT等算法，从预处理后的文本中提取出有意义的特征。
这些特征可以反映文本的情感倾向，为后续的情感分析提供依据。
3. 情感词典构建情感词典是情感分析的基础。
通过收集大量的情感词汇和短语，构建一个情感词典。
这个词典可以用于判断文本中各个特征的情感极性。
4. 机器学习算法应用将提取出的特征和对应的情感极性作为训练数据，使用机器学习算法（如SVM、NB、LR等）进行训练。
通过训练出的模型对新的评论文本进行情感分析。
5. 深度学习模型应用近年来，深度学习在自然语言处理领域取得了显著的成果。
基于深度学习的情感分析方法（如RNN、CNN、Transformer等）能够更好地捕捉文本的语义信息，提高情感分析的准确率。
在线评论的有用性影响因素研究
在线评论的有用性影响因素研究首先，评论的有用性与内容质量密切相关。
如果评论没有明确表达观点或引发对话或学习，则可能被认为是无用的。
从另一个角度看，对复杂的主题进行深刻的分析、评论或解释的评论将被视为有用的。
因此，让评论包含高品质的信息和见解，可以提高其影响力和可感知价值。
其次，评论的有用性受评论者和受众相互作用的影响很大。
评论者的知识水平、认知能力和价值观对评论的质量和有用性有显著的影响。
受众的社会背景、文化和价值观可能会影响他们对评论的反应和接受程度。
因此，在评论中尝试理解和尊重与自己不同的观点可能会更有用。
最重要的是，评论的有用性取决于它对主题和受众的相关性。
如果观众对主题或问题没有兴趣，或者评论涉及的问题与观众的背景和价值观不符，这些评论可能会被认为是无用的。
为了获得更好的效果，评论作者应在评论之前仔细考虑观众的兴趣和需求。
因此，要提高在线评论的有用性，可以通过以下措施：1. 确保评论质量：评论者需要确保他们的评论包含深度的分析和有见地的意见，具有相关性，并能在主题上提供有用的信息，以促进有价值的对话和学习。
2. 尊重不同的观点和价值观：评论者应该尊重不同的观点和价值观，并尝试建立多样化和包容性的对话，以增加评论的影响力。
3. 理解观众需求：评论者应当考虑聆听他人的想法和看法，了解他们的兴趣和需求，并尝试根据这些需求提供灵活和相关的评论，以增强评论的价值。
综上所述，要提高在线评论的有用性，需要评论者创造高质量、相关、多元化和包容性的评论。
只有这样，评论不仅能产生更深刻的思考和学习，也能建立起对话和交流的桥梁，为社会发展做出更大的贡献。
基于文本挖掘评论情感分析
基于文本挖掘评论情感分析一、概述在当今信息爆炸的时代，网络评论已成为消费者表达意见、分享体验的重要渠道。
这些评论中蕴含着丰富的情感信息，对于企业和研究者而言，深入挖掘这些情感倾向具有重要的商业价值和研究意义。
文本挖掘作为一种有效的信息处理技术，能够自动化地从大量文本数据中提取有用的信息和模式。
基于文本挖掘的评论情感分析逐渐成为了一个热门的研究领域。
评论情感分析旨在通过自然语言处理技术和文本挖掘算法，识别出文本中表达的情感倾向，包括积极、消极和中性等。
这一过程不仅涉及到对词汇、句子和段落层面的情感识别，还需要考虑到上下文信息和文本结构的影响。
通过情感分析，企业和研究者可以了解消费者对产品或服务的满意度、发现潜在的市场需求、优化产品设计和改进服务策略。
评论情感分析也面临着一些挑战。
文本数据的规模和复杂性使得情感分析任务变得尤为艰巨。
文本中存在着大量的噪声和冗余信息，这些信息可能干扰情感识别的准确性。
不同领域和背景下的文本具有不同的情感表达方式和语言特点，这也增加了情感分析的难度。
为了克服这些挑战，研究者们提出了各种基于文本挖掘的评论情感分析方法。
这些方法通常包括文本预处理、特征提取、情感分类等步骤。
文本预处理是情感分析的基础，包括分词、去除停用词、词性标注等操作；特征提取则是将文本转换为数值特征表示，以便机器学习算法进行处理；情感分类则是利用分类器对文本进行情感倾向的判别。
基于文本挖掘的评论情感分析是一种具有广泛应用前景的信息处理技术。
通过深入研究和发展相关方法和技术，我们可以更好地理解和利用网络评论中的情感信息，为企业决策和学术研究提供有力支持。
1. 文本挖掘和情感分析的定义与重要性在数字化时代，信息呈现爆炸式增长，其中文本数据占据了重要地位。
作为一种从大量文本数据中提取有用信息和知识的技术，已经引起了广泛关注。
它利用自然语言处理、统计学和机器学习等方法，对文本数据进行深度分析和处理，从而揭示隐藏在文本背后的模式、趋势和关联。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
文本内容对网络评论有用性的影响研究
The effect of text content on the usefulness of Online Reviews
一、引言
在线评论是指消费者在购买过某种商品或服务之后再网站上发布关于商品或服务的使用体会、售后等评价信息（汪俊奎，et al.,2014）。
在线评论是消费者进行网络购买决策的重要依据，据国际知名市场调研公司Jupiter Research 的研究发现，超过75%的消费者在线购买商品时，会阅读在线评论信息（苗蕊，et al.,2014）。
它可以吸引消费者的访问网站，增加浏览网站的频次，增强消费者对于的网站的感知性和粘性。
Mudambi 把在线评论有用性解释为在线评论在消费者决策过程中的感知价值（Mudambi&Schuff，2010），即消费者对其他网络消费者发布的评论对自己购买决策是否有帮助的一种主观体验。
而事实上，随着网络环境发展的多元化与民众化，越来越多的消费者愿意参与到在线网络评论的书写以及阅读上，有用的在线评论可以让消费者更加轻松得完成消费决策过程。
于此同时，对于企业而言，网络在线评论也已经不仅仅是商品购买界面时的附加功能，其逐渐演变成吸引消费者购买商品的关键性因素。
可是，随着铺天盖地的网络评论日渐充斥着人们的眼球，网络评论的弊端也随之凸显。
数以万计的网络评论的产生造成了网络信息的庞杂性，由此直接导致消费者在阅读网络在线评论时难以获取有用信息。
消费者在耗费大量精力阅读评论时极有可能获取到错误的信息。
不仅如此，在商家逐渐认识到在线评论的重要性之后，存在部分不法商家雇佣大量网络写手代写网络评论，导致部分商品在短时间内出现“虚假繁荣”或者“恶意差评”的情况这样不仅仅误导了不知情的消费者，也严重地破坏了网络秩序。
为此，帮助消费者从海量的文本中筛选出有用的信息，对于改善良好的网
络购物环境、为消费者提供便利有着巨大的现实意义。
现阶段，大量研究工作者对于影响在线评论有用性的因素做了详细的研究，并提出了一系列衡量网络在线评论有用性的指标。
此方面的研究将会大量关注消费者的评论文本，尤其是针对诸如淘宝、亚马逊（中国）等购物电商平台上商品评论。
现阶段，有大量研究者在研究在线评论有用性的指标时，提出了众多意见，大体可以归类为三类，依次是评论文本分析、评论者分析和消费者分析。
国内的研究重点在于选取体验型商品或搜索型商品的一种，将实证研究和文本挖掘结合起来，以诸如从众效应、社会网络等不同视角提出影响评论有用性的关键性因素。
王平、代宝的研究表明，当评论的商品属于搜索型商品时，越长评论长度对消费者在阅读评论时感知到的作用就更大。
国外的研究重点在于以回归分析为基础，引入评论的诸多信息（情感分析，内容质量，意见挖掘和写作风格）建立模型分析。
或者采用文本挖掘的方法得出评论文本语法特征与其他特征的区别。
Schindler的研究认为即使评论文本中包含的正向情感对于评论有用性有着正面的影响，但是一旦正向情感过多则会引起消费者的反感，并且认为这条评论带有广告的嫌疑，Connors等也表明如果评论文本中同时有着正面情感和负面情感，消费者会更加愿意听取它们的意见。
然而，以往的研究更多关注的是评论的表面信息和简单内容信息，在研究内容信息时又过多关注文本结构的特征而缺少关注文本的情感倾向。
在评论文本深入挖掘上面，还有存在诸多如表达含义的数量、是否存在建议、是否有权说意图等因素有待研究。
在研究数据方面，大多数研究者采用了二手数据，这就直接导致数据本身存在着一定程度的偏差，在有偏差数据研究得出的结论下，势必存在诸多不足的地方需要改进。
因此，基于高效有序地识别网络在线评论有用性的重要性与迫切性，在众多前人研究者的研究基础上，本文将商品分为搜索型商品和体验型商品，并且分别在大众点评网站和亚马逊（中国）网站上提取这两类商品的大量真实评论信息，通过实证分析建立以评论文本为核心的评论数据集。
在数据集的基础上，组织被试者以正常的浏览习惯阅读评论选出有用及无用的评论文本，挖掘出两类文本的特征并进行标记。
随后引入模型进行相应的分析，并对实验结果进行解释和思考，希望能帮助消费者在阅读在线网络评论时能更快更高效地完成购买决策。
二、理论基础及假设的提出
2.1评论的正负情感与评论的有用性
情感分析指的是评论文本中包含评论者正面或负面的情感。
一些研究者认为评论的正负情感对于评论的有用性有着诸多的作用，且单一的正面情感或负面情感的评论与正面、负面情感同时存在对于评论有用性的影响效果也不尽相同。
郝媛媛采取了人工标注和内容分析等方法提出了评论的有用性还与评论的评价正向情感倾向、正面和负面情感混杂度、评论主观与客观的混杂度等因素有关，且均存在正向影响的观点。
王平、代宝则在对不同商品类型区分过之后认为，对于体验型商品而言，主观性评论对于消费者而言更加有用，对于搜索型商品，消费者则更喜欢客观性评论。
无独有偶，Schindler认为尽管评论文本中包含的正向情感对于评论有用性有着正面的影响，但是一旦正向情感过多则会引起消费者的反感认为评论带有广告的嫌疑，并且评论中包含的商品描述信息越多，评论有用性就越高。
Connors等也表明如果评论文本中同时有着正面情感和负面情感，消费者会更加愿意听取它们的意见。
事实上，由于网络虚假评论泛滥的情况，消费者对于网络在线评论的态度也愈发谨慎。
包含单一的正面情感或者负面情感的评
论极有可能是部分商家在雇佣网络水军后留下的虚假记录，所以对于评论文本中包含既有正面情感又有负面情感即双面情感的评论，消费者的信赖度会随之提升，他们会更加愿意去浏览这样的评论。
综合以上阐述，本文提出假设H1。
H1：评论文本内容中包含双面情感与评论有用性成正相关关系。
2.2评论长度与评论的有用性
评论长度指评论文本中包含字符的个数。
对于阅读评论的消费者而言，评论长度越长代表者评论包含的信息越多，其中含有有用信息的可能性也越大，因此评论就越有用。
王平、代宝认为尤其是当评论的商品属于搜索型商品时，评论长度的作用就更大。
但是殷国鹏在分析大量评论数据后认为，消费者在阅读评论是时信息的记忆量是有上限的，他提出当评论长度超出一定限度之后，大量的字数会导致消费者的阅读过载，消费者难以判断什么是有用信息，从而导致评论的有用性降低。
由此可见，对于评论长度与评论的有用性研究尚且存在诸多争论，但是根据我们自身阅读经验而言，评论长度越长也就代表评论提供的信息就越多，同时也意味着消费者在阅读评论时有更多理由进行判断一条评论是否有用。
综上所述，本文提出假设H2。
H2：评论文本长度与评论的有用性成正相关关系。
2.3评论中观点表达数量与评论的有用性
当一条评论包含着观点数量越多，代表该条评论被消费者阅读时，可供选择的信息就越多。
这是评论有用性的基础，即消费者通过阅读该评论获取自身认为有用的信息。
所以我们有理由相信，评论内容中包含的观点数量与评论的有用性有相关关系，且成正相关关系。
此外，消费者在阅读评论的初衷就是为了通过先前购买或体验过的消费者留下的评论查看商品的自身的好坏程度。
所以当评论内。