前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇商品評(píng)論范文，相信會(huì)為您的寫作帶來(lái)幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

商品評(píng)論范文第1篇

【關(guān)鍵詞】網(wǎng)絡(luò)購(gòu)物；顧客滿意度；評(píng)價(jià)

1.引言

隨著電子商務(wù)發(fā)展的日益成熟，關(guān)于網(wǎng)上購(gòu)物顧客滿意度的評(píng)價(jià)逐漸成為衡量產(chǎn)品質(zhì)量和服務(wù)水平的一個(gè)重要途經(jīng)。無(wú)論是產(chǎn)品生產(chǎn)企業(yè)、電子商務(wù)運(yùn)營(yíng)商還是物流企業(yè)，都希望了解到顧客購(gòu)物的真實(shí)感受，從而有的放矢地改善其生產(chǎn)方式及服務(wù)，以增強(qiáng)其市場(chǎng)競(jìng)爭(zhēng)力。

筆者認(rèn)為顧客網(wǎng)購(gòu)體驗(yàn)與其所購(gòu)買的產(chǎn)品本身的屬性是密不可分的，要想全面、深入地反映其心理評(píng)價(jià)，商品評(píng)論是最能體現(xiàn)這一要求的。通過(guò)對(duì)網(wǎng)購(gòu)顧客的評(píng)論文本的標(biāo)注和挖掘，構(gòu)建網(wǎng)購(gòu)顧客滿意度指標(biāo)體系，分析各指標(biāo)在顧客關(guān)注程度和使用方面的一些特點(diǎn)，以更加全面、更加具體地反映顧客購(gòu)物的心理體驗(yàn)。

2.基于商品評(píng)論的顧客滿意度指標(biāo)體系構(gòu)建

2.1 研究對(duì)象的選取

本文選取部分手機(jī)產(chǎn)品作為研究對(duì)象，所構(gòu)建的滿意度指標(biāo)體系既涵蓋適用于通用領(lǐng)域的屬性，也有針對(duì)手機(jī)產(chǎn)品的具體特征。

2.2 數(shù)據(jù)來(lái)源及處理

2.2.1 數(shù)據(jù)來(lái)源

本文數(shù)據(jù)來(lái)源于京東商城網(wǎng)站，選取部分手機(jī)類商品，收集其中的商品評(píng)論語(yǔ)句。京東商城的每一條評(píng)論信息均包含優(yōu)點(diǎn)、缺點(diǎn)和心得三部分，全部作為本文的數(shù)據(jù)收集對(duì)象。本文數(shù)據(jù)收集的起點(diǎn)是2013年1月31日，向前截取滿足一定數(shù)量的評(píng)論語(yǔ)句。使用C#語(yǔ)言編寫爬蟲(chóng)軟件，共抓取評(píng)論數(shù)據(jù)60，600條，既包含部分銷量高的商品，又包含部分銷量居中的商品，以避免優(yōu)點(diǎn)和缺點(diǎn)描述的不平衡。

2.2.2 數(shù)據(jù)處理

本文通過(guò)采用部分?jǐn)?shù)據(jù)對(duì)網(wǎng)購(gòu)顧客的評(píng)論文本的標(biāo)注和挖掘，抽取出相應(yīng)的指稱關(guān)鍵詞和描述關(guān)鍵詞，將其提煉為網(wǎng)購(gòu)顧客滿意度指標(biāo)體系。利用中文信息處理相關(guān)技術(shù)，針對(duì)大量數(shù)據(jù)對(duì)各指標(biāo)進(jìn)行詞頻統(tǒng)計(jì)，驗(yàn)證網(wǎng)購(gòu)顧客滿意度指標(biāo)體系的準(zhǔn)確性，及分析各指標(biāo)在顧客關(guān)注程度和使用方面的一些特點(diǎn)。通過(guò)分析顧客對(duì)各指標(biāo)的關(guān)注程度，預(yù)測(cè)產(chǎn)品將來(lái)的技術(shù)攻關(guān)方向和競(jìng)爭(zhēng)要素，以使企業(yè)準(zhǔn)確定位顧客關(guān)注焦點(diǎn)，推出深受顧客滿意的產(chǎn)品，進(jìn)而增強(qiáng)企業(yè)的競(jìng)爭(zhēng)能力。本文數(shù)據(jù)來(lái)源中有600條采用人工分析，抽取出相關(guān)的特征及描述，構(gòu)建顧客滿意度指標(biāo)體系，另60，000條采用中文信息處理工具進(jìn)行統(tǒng)計(jì)，將統(tǒng)計(jì)結(jié)果用于對(duì)指標(biāo)體系的量化分析。具體所選的產(chǎn)品及評(píng)論條數(shù)見(jiàn)表1。

2.3 網(wǎng)購(gòu)顧客滿意度指標(biāo)體系的構(gòu)建

2.3.1 商品評(píng)論特征抽取

筆者對(duì)600條手機(jī)商品評(píng)論進(jìn)行了人工標(biāo)注，標(biāo)注內(nèi)容包括指稱關(guān)鍵詞和描述關(guān)鍵詞，從這些關(guān)鍵詞中提煉出評(píng)價(jià)指標(biāo)。提煉的原則如下：

（1）剔除關(guān)于表示商品型號(hào)和商品品牌的名詞，如“N70”，“諾基亞”。

（2）剔除一些常見(jiàn)的口語(yǔ)化的名詞，如“機(jī)子”，“東西”。

（3）剔除一些常見(jiàn)的人稱名詞，如“朋友”，“老人”。

（4）合并同義詞和表示同一類所指對(duì)象的詞語(yǔ)。

據(jù)此得出所得評(píng)價(jià)指標(biāo)及其描述詞，受篇幅所限，這里僅列出部分，見(jiàn)表2。

圖1 網(wǎng)購(gòu)顧客滿意度指標(biāo)層級(jí)體系

從手機(jī)商品評(píng)論抽取結(jié)果中可以發(fā)現(xiàn)，指稱詞、描述詞集合與評(píng)價(jià)指標(biāo)并不是一一對(duì)應(yīng)的，存在一些詞語(yǔ)對(duì)應(yīng)多個(gè)指標(biāo)的情況，這是因?yàn)橛行┱Z(yǔ)義內(nèi)容并不是由詞一級(jí)語(yǔ)言單位表達(dá)的，而是由短語(yǔ)或句子整體表示的，需要結(jié)合上下文信息才能確定這些詞語(yǔ)的所指。

2.3.2 指標(biāo)體系的生成

筆者基于手機(jī)商品評(píng)論抽取結(jié)果的評(píng)價(jià)指標(biāo)，通過(guò)整理、歸納，構(gòu)建網(wǎng)購(gòu)顧客滿意度指標(biāo)層級(jí)體系。第一層為顧客網(wǎng)購(gòu)滿意度；第二層分為網(wǎng)站滿意度、產(chǎn)品滿意度、物流滿意度、售后服務(wù)滿意度，同時(shí)，借鑒Lee（2001）[1]的研究成果，增加了交易安全滿意度指標(biāo)；第三層及以下是對(duì)這些指標(biāo)的細(xì)分類，共19個(gè)指標(biāo)，其中有17項(xiàng)是對(duì)各類商品通用的，另外兩項(xiàng)產(chǎn)品性能和產(chǎn)品外觀，其下層分類指標(biāo)是僅針對(duì)手機(jī)類商品的，見(jiàn)圖1。

2.4 商品評(píng)論詞頻分析

本文對(duì)自動(dòng)抓取的京東商城諾基亞（NOKIA）

N1280 GSM手機(jī)（黑）和華為U8860兩類手機(jī)的6萬(wàn)條評(píng)論進(jìn)行詞頻統(tǒng)計(jì)，對(duì)本文給出的顧客滿意度指標(biāo)體系進(jìn)行檢驗(yàn)和量化分析。詞頻分析采用山西大學(xué)開(kāi)發(fā)的中文分詞工具FC2000[2]，共獲得24.4萬(wàn)詞。首先對(duì)詞表進(jìn)行預(yù)處理，去掉語(yǔ)料中的句子“暫時(shí)沒(méi)有缺點(diǎn)”，因?yàn)樵摼涫蔷〇|網(wǎng)用戶評(píng)論撰寫頁(yè)面關(guān)于商品缺點(diǎn)部分給出的默認(rèn)評(píng)價(jià)，相當(dāng)多的用戶直接使用該句作為缺點(diǎn)評(píng)價(jià)的內(nèi)容，導(dǎo)致其頻率過(guò)高，而又不含有價(jià)值；其次，根據(jù)停用詞表[3]，去掉高頻詞中出現(xiàn)的停用詞；再去掉高頻詞中的動(dòng)詞，如“幫”，“說(shuō)”，“算”，“看”等；去掉程度副詞，如“很”，“挺”，“非?！钡?；去掉常見(jiàn)的人稱名詞，如“朋友”，“老人”等；最后，截取詞頻超過(guò)100次的詞匯，共235個(gè)。將這些高頻詞與圖4中的指標(biāo)進(jìn)行匹配，對(duì)于一個(gè)詞對(duì)應(yīng)多個(gè)指標(biāo)的情況，如“滿意”對(duì)應(yīng)總體滿意度、網(wǎng)站滿意度和產(chǎn)品滿意度三個(gè)指標(biāo)，暫將其次數(shù)平均分配給各指標(biāo)；對(duì)于一個(gè)指標(biāo)對(duì)應(yīng)多個(gè)詞的情況，取每個(gè)詞次數(shù)的和，統(tǒng)計(jì)結(jié)果見(jiàn)表3。

從表3中可以看出，本文給出的網(wǎng)購(gòu)顧客滿意度指標(biāo)體系54個(gè)指標(biāo)中有43個(gè)指標(biāo)有相應(yīng)高頻詞與之對(duì)應(yīng)，占指標(biāo)總數(shù)的80%，證明這些指標(biāo)是顧客經(jīng)常評(píng)論的內(nèi)容，的確是顧客關(guān)心的問(wèn)題。11個(gè)沒(méi)有相應(yīng)詞匯的指標(biāo)分別是頁(yè)面布局、頁(yè)面反應(yīng)速度、網(wǎng)站信息質(zhì)量、產(chǎn)品價(jià)格、物流滿意度、配送方式、交易安全滿意度（及下屬3個(gè)指標(biāo)）和個(gè)性化服務(wù)。其中，產(chǎn)品價(jià)格（二級(jí)指標(biāo)）和物流滿意度（一級(jí)指標(biāo)）是上層指標(biāo)，其下位指標(biāo)對(duì)應(yīng)有具體的詞匯，且詞頻較高，因此實(shí)際上用戶評(píng)論是涵蓋這方面信息的；網(wǎng)站信息質(zhì)量和配送方式兩個(gè)指標(biāo)屬于低頻詞匯對(duì)應(yīng)的指標(biāo)，在表3高頻詞匯中沒(méi)有出現(xiàn)；而個(gè)性化服務(wù)指標(biāo)在顧客評(píng)論中不是用詞表述的，是用短語(yǔ)或句子表達(dá)的，如“還附贈(zèng)了一次性的貼紙章，用來(lái)給保修卡蓋章的”，因此就詞匯層面的分析來(lái)說(shuō)看不到這方面信息；頁(yè)面布局、頁(yè)面反應(yīng)速度及交易安全滿意度（及下屬3個(gè)指標(biāo)）指標(biāo)在顧客評(píng)論高頻詞中沒(méi)有出現(xiàn)，從一定程度上說(shuō)明這些方面對(duì)于當(dāng)前電子商務(wù)的技術(shù)和服務(wù)發(fā)展水平來(lái)說(shuō)，已經(jīng)能夠滿足用戶需求，不需要過(guò)多探討。

圖2 三級(jí)以上指標(biāo)詞頻排序圖

從圖2中可見(jiàn)，詞頻超過(guò)1萬(wàn)次的指標(biāo)為顧客總體滿意度、產(chǎn)品滿意度、定價(jià)、產(chǎn)品信譽(yù)度、手感、（手機(jī)）實(shí)用性，說(shuō)明了顧客在網(wǎng)購(gòu)過(guò)程中最關(guān)注的仍然是產(chǎn)品本身的性能、質(zhì)量和價(jià)格因素。詞頻在5000到1萬(wàn)之間的兩個(gè)指標(biāo)為易操作性和產(chǎn)品外觀，說(shuō)明用戶對(duì)手機(jī)的這兩方面性能關(guān)注度較高。值得注意的是，表3中有兩個(gè)四級(jí)指標(biāo)詞頻超過(guò)9000次，即音效和待機(jī)時(shí)間。說(shuō)明對(duì)于手機(jī)類產(chǎn)品來(lái)說(shuō)，音效是首要引起用戶關(guān)注的問(wèn)題之一，而待機(jī)時(shí)間短恰是當(dāng)前智能機(jī)普遍存在的缺陷，這兩個(gè)指標(biāo)的高頻出現(xiàn)，也給手機(jī)制造商以一定的啟示。三級(jí)指標(biāo)中排在后三位的是真?zhèn)?、硬件配置和重量。用戶?duì)于商品的真?zhèn)侮P(guān)注度比較低，說(shuō)明目前網(wǎng)購(gòu)顧客對(duì)京東商城這樣的大型B2C購(gòu)物平臺(tái)的信賴程度較高。用戶對(duì)硬件配置和重量關(guān)注度低，說(shuō)明對(duì)于當(dāng)前的手機(jī)類產(chǎn)品來(lái)說(shuō)，硬件方面已經(jīng)不是主要的技術(shù)攻關(guān)方向和競(jìng)爭(zhēng)要素，而與外觀設(shè)計(jì)、特色服務(wù)等有關(guān)的指標(biāo)則更重要一些。

3.結(jié)語(yǔ)

本文通過(guò)對(duì)網(wǎng)購(gòu)顧客的評(píng)論文本的標(biāo)注和挖掘，構(gòu)建了網(wǎng)購(gòu)顧客滿意度指標(biāo)體系，并通過(guò)詞頻統(tǒng)計(jì)，分析了各指標(biāo)在顧客關(guān)注程度和使用方面的一些特點(diǎn)。對(duì)比目前存在的一些網(wǎng)購(gòu)顧客滿意度指標(biāo)體系，本文提出的指標(biāo)體系層級(jí)和指標(biāo)數(shù)量多，使得體系的語(yǔ)義深度大大加強(qiáng)，在反映顧客購(gòu)物的心理體驗(yàn)方面更加全面和具體。由于本文在滿意度指標(biāo)體系的構(gòu)建方法上主要基于商品評(píng)論的關(guān)鍵詞抽取，使得每一個(gè)指標(biāo)有確定詞匯集合與之對(duì)應(yīng)，該成果可以為商品評(píng)論文本挖掘方面的研究提供基礎(chǔ)資源，利用詞表進(jìn)行特征、觀點(diǎn)抽取和情感傾向方面的研究，這也是本文下一步研究的方向。

參考文獻(xiàn)：

[1]prehensive Model of Internet Consumer Satisfaction[J].HongKong：City University of Hong Kong，2001：207-210.

[2]劉開(kāi)瑛.中文文本自動(dòng)分詞和標(biāo)注[M].北京：商務(wù)印書(shū)館，2000：23-45.

商品評(píng)論范文第2篇

具體步驟為：

打開(kāi)拼多多商家頁(yè)面，在窗口左側(cè)會(huì)看到有很多的按鈕，可根據(jù)需要點(diǎn)擊相應(yīng)的按鈕進(jìn)行相關(guān)的操作；在左側(cè)找到并點(diǎn)擊：商品管理，評(píng)價(jià)管理，會(huì)打開(kāi)右側(cè)的頁(yè)面；在右側(cè)輸入商品Id，并點(diǎn)擊右側(cè)的“查詢”即可查看到此商品的評(píng)價(jià)內(nèi)容；評(píng)價(jià)內(nèi)容顯示的時(shí)間默認(rèn)是“近7天評(píng)分”，如果想要查看到此商品所有的評(píng)價(jià)內(nèi)容，這時(shí)可以點(diǎn)擊下方左側(cè)的下拉列表選擇里面的“全部評(píng)分”按鈕，查看此產(chǎn)品的所有評(píng)分明細(xì)。

（來(lái)源：文章屋網(wǎng) ）

商品評(píng)論范文第3篇

合同的效力是法律對(duì)合同的價(jià)值評(píng)判。合同是當(dāng)事人合意的體現(xiàn)，除因標(biāo)的目的自始客觀不能、無(wú)從確定、違反法律強(qiáng)行規(guī)定，違反公序良俗及其他法律特別規(guī)定外，均為有效。前位買賣合同只要系雙方真實(shí)意思表示，不違背《合同法》52條的禁止性規(guī)定，其效力自不待言。在后位買賣合同中，出賣人一物數(shù)賣之舉雖有悖于誠(chéng)信守約的善良風(fēng)俗，但只要出賣人與后位買受人未有惡意串通損害第三人利益的行為，該房屋買賣合同并非當(dāng)然無(wú)效。不能以是否做到實(shí)際履行為標(biāo)準(zhǔn)否認(rèn)后位買賣合同的效力。房屋所有權(quán)的轉(zhuǎn)移亦不是房屋買賣合同生效要件的觀點(diǎn)也廣為學(xué)界和實(shí)務(wù)界認(rèn)可?；谙群筚I賣契約而生之多重債權(quán)，依傳統(tǒng)之債法觀念，不因先后而異其效力。［2］就此意義而言，出賣人—房數(shù)賣的行為不能當(dāng)然否認(rèn)前后買賣合同的效力。《解釋》第8條也規(guī)定：商品房買賣合同訂立后，出賣人又將該房屋出賣給第三人，導(dǎo)致商品房買賣合同目的不能實(shí)現(xiàn)的，無(wú)法取得房屋的先買受人可以請(qǐng)求解除前位買賣合同及要求出賣方支付懲罰性違約金，而不能當(dāng)然否定后位買賣合同的效力。由此可推斷《解釋》認(rèn)可后位買賣合同效力的意旨。

在出賣人已將房屋所有權(quán)移轉(zhuǎn)至前買受人后，又將房屋出賣第三人的，出賣人的行為是一種出賣他人之物的無(wú)權(quán)處分行為，對(duì)無(wú)權(quán)處分行為的效力，學(xué)界通說(shuō)及《合同法》第51條均認(rèn)為應(yīng)采效力待定說(shuō)，合同并不當(dāng)然無(wú)效。置換一個(gè)角度考慮，出賣人出賣他人之物的行為在后買受人不知情的情況下，也是一種欺詐行為，依《合同法》第31條規(guī)定，后買受人享有撤銷該合同的權(quán)利。《解釋》第9條也規(guī)定：在出賣人已將房屋賣于他人并已履行的，后買受人可以請(qǐng)求撤銷買賣合同，并主張懲罰性賠償金。

二、商品房多重買賣中的物權(quán)變動(dòng)及利益衡平

房屋買賣以轉(zhuǎn)移房屋所有權(quán)為合同目的，同一合同標(biāo)的難以在多個(gè)債權(quán)人之間合理分配，是多重買賣合同的特色所在，亦是諸多買受人權(quán)利沖突的集中體現(xiàn)。準(zhǔn)確界定商品房多重買賣中的物權(quán)變動(dòng)，是保護(hù)各方權(quán)益的前提條件。

（一）房屋所有權(quán)已先行轉(zhuǎn)移于前買受人時(shí)的物權(quán)變動(dòng)

出賣人若已將房屋所有權(quán)移轉(zhuǎn)于前位買受人并辦理所有權(quán)登記后，又將該房屋賣于他人，先買受人取得房屋所有權(quán)當(dāng)無(wú)疑義。不動(dòng)產(chǎn)以登記為權(quán)利公示公信方法，后買受人可從權(quán)屬登記中發(fā)現(xiàn)出賣人非真權(quán)利人，從而放棄交易。若其仍愿意與出賣人繼續(xù)交易，則應(yīng)視為接受了權(quán)利不能實(shí)現(xiàn)的風(fēng)險(xiǎn)，自然無(wú)法取得房屋所有權(quán)。為懲戒出賣人的惡意欺詐，依《解釋》第9條三項(xiàng)規(guī)定，后買受人就出賣人的一物數(shù)賣行為可主張不超過(guò)已購(gòu)房款一倍以內(nèi)的懲罰性賠償金。

（二）出賣人徑行將房屋移轉(zhuǎn)于后位買受人時(shí)的物權(quán)變動(dòng)及法律評(píng)價(jià)

1.物權(quán)行為理論之辯析

欲清楚解析物權(quán)變動(dòng)的內(nèi)涵，必先厘清物權(quán)行為的概念。物權(quán)行為是指要發(fā)生物權(quán)變動(dòng)，須獨(dú)立于債權(quán)契約之外，以直接發(fā)生物權(quán)變動(dòng)為目的設(shè)立新的法律行為。債權(quán)行為僅是物權(quán)行為的原因行為，兩者截然分開(kāi)，各自獨(dú)立，物權(quán)行為并不因原因行為無(wú)效而無(wú)效，即使原因行為無(wú)效，仍可發(fā)生所有權(quán)變動(dòng)的效果，此即為物權(quán)行為的獨(dú)立性、無(wú)因性。［3］瀏覽域外法典，關(guān)于物權(quán)變動(dòng)大致有四種立法模式。其一，債權(quán)意思主義模式，以法國(guó)為例，不承認(rèn)獨(dú)立于債權(quán)行為的物權(quán)行為概念，買賣合同成立時(shí)物之所有權(quán)即行移轉(zhuǎn)。其二，登記對(duì)抗主義，如日本立法模式，買賣合同一經(jīng)成立，物之所有權(quán)即行移轉(zhuǎn)，但非經(jīng)登記不能對(duì)抗第三人。其三，登記要件主義，又為區(qū)分原則。典型代表為瑞士，即認(rèn)可物權(quán)行為與債權(quán)行為的區(qū)別，但又不承認(rèn)物權(quán)行為的獨(dú)立性和無(wú)因性。單純的合同行為不會(huì)發(fā)生物權(quán)變動(dòng)的效果，還應(yīng)履行登記等公示行為，方有物權(quán)變動(dòng)之效。其四，物權(quán)意思主義，以德國(guó)為例，我國(guó)臺(tái)灣民法亦采此說(shuō)。該學(xué)說(shuō)由德國(guó)歷史法學(xué)派創(chuàng)始人薩維尼所創(chuàng)，主張物權(quán)行為的獨(dú)立性和無(wú)因性，即使買賣合同無(wú)效或被撤銷，所有權(quán)依然發(fā)生轉(zhuǎn)移。依該說(shuō)，在商品房多重買賣中即便出賣人損害先買受人利益再次出賣房屋，但若出賣人與后買受人履行了物權(quán)變動(dòng)手續(xù)，后買受人仍可當(dāng)然取得物之所有權(quán)。

2.我國(guó)物權(quán)變動(dòng)之立法選擇

我國(guó)民法學(xué)界及實(shí)務(wù)界對(duì)物權(quán)變動(dòng)模式的選擇亦是眾說(shuō)紛云。主流觀點(diǎn)是不接受法國(guó)的債權(quán)意思主義模式和德國(guó)的物權(quán)行為獨(dú)立性、無(wú)因性理論，而應(yīng)沿用我國(guó)慣以用之的公示要件主義瑞士模式，同時(shí)堅(jiān)持區(qū)分原則，注意合同效力和所有權(quán)轉(zhuǎn)移的分離和差異。物權(quán)行為的獨(dú)立性、無(wú)因性堪稱嚴(yán)謹(jǐn)慎密的邏輯演練體系，固然具有維護(hù)絕對(duì)交易安全的價(jià)值取向，對(duì)后位買賣人提供了最完備的權(quán)利保障，但因其過(guò)于技術(shù)性、抽象性，且惡意買賣人亦可一視同仁地獲得物之所有權(quán)，實(shí)與誠(chéng)實(shí)信用的善良風(fēng)俗背道而馳，公眾的道德觀、價(jià)值觀難以認(rèn)同。物權(quán)無(wú)因性理論一定程度上是為法律生活形式之安定而犧牲了法律生活實(shí)質(zhì)之社會(huì)正當(dāng)性，無(wú)異于削足適履。［4］事實(shí)上物權(quán)公示公信原則及善意取得制度同樣可起到維護(hù)交易安全之職，盲目崇尚物權(quán)獨(dú)立性、無(wú)因性原則實(shí)無(wú)必要。我國(guó)《物權(quán)法》草案，在區(qū)分原因行為與物權(quán)行為的同時(shí)，也否認(rèn)了物權(quán)行為的獨(dú)立性、無(wú)因性。［5］《解釋》第8、9條的規(guī)定非常明確地表明了商品房買賣合同中，對(duì)于出賣人再處分具有限制或拘束的思想?？梢哉f(shuō)，司法解釋在此根本沒(méi)有涉及物權(quán)交易行為的獨(dú)立，更不用說(shuō)無(wú)因性原則在法律設(shè)置和法律交易上的正當(dāng)性。因此，該規(guī)定應(yīng)是對(duì)物權(quán)交易抽象原則即無(wú)因原則的間接否定。［6］3.《解釋》中的物權(quán)變動(dòng)原則及對(duì)出賣人、先買受人、后買賣人之利益調(diào)整

商品評(píng)論范文第4篇

關(guān)鍵詞：在線評(píng)論；有用性；商品品牌；實(shí)證研究；調(diào)節(jié)效應(yīng)

中圖分類號(hào)：F713.36 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-8409（2013）05-0046-05

An Empirical Study on Influence Factors of

Online Reviews’ Helpfulness in E-commerce

LIAO Cheng-lin1，CAI Chun-jiang1，LI Yi2

（1.School of Economics and Business Administration，Chongqing University，Chongqing 400044；

2.School of Economics and Business，Chongqing University of Posts and Telecommunications，Chongqing 400044）

Abstract：This paper，based on an empirical study on 445 valid samples of Amazon，discusses the affecting factors of online reviews’ helpfulness and the mechanism between them.The results indicate that review rating and reviewer ranking have significant negative correlation to reviews’ helpfulness，it review depth and purchasing experience has significant positive correlation to online reviews’ helpfulness.The brand has a moderating effect on theimpact thatreviewer ranking and purchasing experience onreviews’ helpfulness，the impact that reviewer ranking on reviews’ helpfulness in the middle and lowend brand is more significant，and the impact thatpurchasing experience on reviews’ helpfulness in the premium brand is more significant.

Key words：online review；helpfulness；brand；empirical study；moderating effect

1 引言

在線評(píng)論作為口碑傳播的一種新形式，是消費(fèi)者在網(wǎng)絡(luò)上，以文本形式為主對(duì)商品的評(píng)價(jià)，這些評(píng)價(jià)包括對(duì)商品的肯定、不滿或個(gè)人對(duì)特定產(chǎn)品服務(wù)的購(gòu)買和使用感受。網(wǎng)絡(luò)用戶可以通過(guò)在線社區(qū)或評(píng)論網(wǎng)站免費(fèi)閱讀和分享這些評(píng)論[1]。在線評(píng)論是獲取商品信息的重要來(lái)源之一，是對(duì)商品說(shuō)明、專家評(píng)論和系統(tǒng)自動(dòng)生成的個(gè)性化推薦建議的補(bǔ)充。CNNIC針對(duì)在線商品評(píng)論對(duì)網(wǎng)絡(luò)消費(fèi)者購(gòu)買行為的調(diào)查結(jié)果顯示，43.3% 的消費(fèi)者表示在線商品評(píng)論是購(gòu)買決策前最重要的信息來(lái)源之一[2]。

Ghose和Ipeirotis等針對(duì)搜索型商品，研究評(píng)論的主客觀傾向及主客觀混雜度對(duì)在線評(píng)論有用性的影響[3]。Mudambi等人在借鑒信息經(jīng)濟(jì)學(xué)理論的基礎(chǔ)上，將在線評(píng)論有用性定義為其他評(píng)論者的，有助于消費(fèi)者購(gòu)買決策的在線商品評(píng)價(jià)。并通過(guò)對(duì)兩類6種商品的研究發(fā)現(xiàn)，評(píng)論深度、評(píng)論極端性和商品類型都對(duì)在線評(píng)論有用性產(chǎn)生影響[4]。盡管目前在評(píng)論有用性影響因素研究方面已取得一些進(jìn)展，但大多比較分散，且主要從評(píng)論信息內(nèi)容、商品類型等角度來(lái)分析，而消費(fèi)者在搜集商品信息時(shí)，不同品牌之間側(cè)重點(diǎn)有所不同，評(píng)論者的某些屬性也會(huì)影響其評(píng)論的認(rèn)可度，然而少有學(xué)者把這兩方面作為研究對(duì)象。

本文將商品品牌引入到在線評(píng)論有用性影響因素的研究框架之中，結(jié)合評(píng)論信息屬性和評(píng)論者屬性等因素，通過(guò)亞馬遜商城445個(gè)有效樣本的實(shí)證分析，研究了我國(guó)電子商務(wù)環(huán)境下，商品品牌是否對(duì)在線評(píng)論有用性具有影響作用，以及如何影響評(píng)論的有用性。

2 理論背景與研究假設(shè)

2.1 商品品牌

Philip Kotler將商品品牌定義為一種名稱、術(shù)語(yǔ)、標(biāo)記、符號(hào)或圖案，或是他們的相互組合，用以識(shí)別企業(yè)提供給某個(gè)或某群消費(fèi)者的產(chǎn)品或服務(wù)，并使之與競(jìng)爭(zhēng)對(duì)手的產(chǎn)品或服務(wù)相區(qū)別[5]。商品品牌之所以重要，是因?yàn)橄M(fèi)者對(duì)于品牌的選擇與購(gòu)買直接決定了企業(yè)的營(yíng)業(yè)收入，進(jìn)而對(duì)企業(yè)的發(fā)展產(chǎn)生重大影響[6]。王等通過(guò)實(shí)證研究，發(fā)現(xiàn)品牌效應(yīng)對(duì)消費(fèi)者行為有顯著影響，一個(gè)能給消費(fèi)者帶來(lái)深刻印象的品牌總能贏得消費(fèi)者特別的注意力，一個(gè)優(yōu)秀的品牌會(huì)得到消費(fèi)者的認(rèn)可，在消費(fèi)者做出購(gòu)買決策時(shí)會(huì)首先選擇自己喜愛(ài)的品牌[7]。那么商品品牌是否對(duì)商品評(píng)論有用性產(chǎn)生影響？因此本文將商品品牌作為影響評(píng)論有用性的主要因素之一。

2.2 評(píng)論信息屬性

2.2.1 評(píng)論等級(jí)

Krosnick等認(rèn)為在線評(píng)論等級(jí)表示消費(fèi)者對(duì)產(chǎn)品和服務(wù)的綜合態(tài)度，一般有5個(gè)等級(jí)，即1星級(jí)到5星級(jí)，一般情況下將1星級(jí)和2星級(jí)視為對(duì)商品的消極評(píng)論或差評(píng)，4星級(jí)和5星級(jí)為好評(píng)，3星級(jí)最能反映評(píng)論的客觀性[8]。在國(guó)外電子商務(wù)環(huán)境下，Pavlou和Dimoka等通過(guò)實(shí)證研究，發(fā)現(xiàn)eBay中商品的好評(píng)和差評(píng)比中評(píng)的影響作用更大[9]。Forman等發(fā)現(xiàn)在對(duì)書(shū)籍的評(píng)論中，中評(píng)的有用性比好評(píng)和差評(píng)低[10]。鑒于此，本文認(rèn)為評(píng)論等級(jí)是影響評(píng)論有用性的一個(gè)重要因素。在國(guó)內(nèi)電子商務(wù)環(huán)境下，消費(fèi)者在信息搜尋過(guò)程中認(rèn)為對(duì)商品的好評(píng)一般帶有購(gòu)買者的主觀情感傾向，中評(píng)比較客觀，而差評(píng)往往會(huì)揭示商品的缺點(diǎn)或不足，為獲得商品的真實(shí)信息，消費(fèi)者會(huì)更多地瀏覽評(píng)論者對(duì)該商品的中評(píng)和差評(píng)。在此基礎(chǔ)上提出假設(shè)：

H1：評(píng)論等級(jí)與在線評(píng)論有用性顯著負(fù)相關(guān)，對(duì)評(píng)論的接受者而言，中評(píng)和差評(píng)往往具有更高的有用性。

2.2.2 評(píng)論深度

彭嵐等從減少消費(fèi)者決策風(fēng)險(xiǎn)出發(fā)，在感知診斷性概念基礎(chǔ)上定義了評(píng)論有用性概念，構(gòu)建了一個(gè)評(píng)論有用性影響因素模型。提出評(píng)論長(zhǎng)度、評(píng)論等級(jí)、使用互聯(lián)網(wǎng)經(jīng)驗(yàn)等是影響評(píng)論有用性的重要因素[11]。Mudambi認(rèn)為信息深入性能夠增加消費(fèi)者的信心以促進(jìn)整個(gè)決策過(guò)程。篇幅較長(zhǎng)的評(píng)論經(jīng)常包含更多商品本身，怎樣使用以及在何種情況下使用等信息。評(píng)論字?jǐn)?shù)的多少在某種程度上能夠減少商品質(zhì)量、性能等屬性的不確定[3]。消費(fèi)者的品牌形象認(rèn)知對(duì)其品牌選擇行為有重要影響[12]，高端品牌常常給人一種信賴感，消費(fèi)者不會(huì)懷疑該品牌商品的質(zhì)量、性能等；而中低端品牌沒(méi)能成功塑造品牌形象，在購(gòu)買其商品時(shí)，消費(fèi)者需要搜集更多相關(guān)信息來(lái)減少對(duì)品牌的擔(dān)憂，因此提出假設(shè)：

H2：商品品牌對(duì)評(píng)論深度對(duì)在線評(píng)論有用性的影響具有顯著調(diào)節(jié)作用，在中低端品牌中，評(píng)論深度對(duì)評(píng)論有用性影響更為顯著。

2.3 評(píng)論者屬性

2.3.1 評(píng)論者排名

J B Fogg等認(rèn)為，名聲可信度是指信息來(lái)源具有社會(huì)地位或?qū)＜倚蜗骩13]。郭國(guó)慶等將評(píng)論者資信度引入在線評(píng)論可信度研究，發(fā)現(xiàn)評(píng)論者資信度越高，在線商品評(píng)論的有用性或可信度越高[14]。在虛擬社區(qū)中，排名靠前的必定是那些積極參與討論的成員，在群體中具有較大的號(hào)召力，發(fā)表的商品評(píng)論會(huì)得到更多的關(guān)注，能為消費(fèi)者做出購(gòu)買決策提供有力的支持。尤其在購(gòu)買中低端品牌商品時(shí)，發(fā)表評(píng)論的評(píng)論者排名越靠前，消費(fèi)者認(rèn)為該評(píng)論的可信度越高，因此提出假設(shè)：

H3：商品品牌對(duì)評(píng)論者排名對(duì)在線評(píng)論有用性的影響具有顯著調(diào)節(jié)作用，在中低端品牌中，評(píng)論者排名對(duì)評(píng)論有用性影響更為顯著。

2.3.2 購(gòu)買經(jīng)驗(yàn)

購(gòu)買經(jīng)驗(yàn)指評(píng)論者在做出評(píng)價(jià)以前是否已經(jīng)購(gòu)買過(guò)該商品。王平等將購(gòu)買經(jīng)驗(yàn)作為一個(gè)主要研究因素，結(jié)合商品類型的差異，構(gòu)建消費(fèi)者在線評(píng)論有用性影響因素模型，發(fā)現(xiàn)評(píng)論者購(gòu)買經(jīng)驗(yàn)是評(píng)論有用性的一個(gè)重要影響因素[15]。亞馬遜在線商城頁(yè)面上已購(gòu)買商品的評(píng)論者會(huì)以紅色字體顯示“購(gòu)買過(guò)此商品”，但不能保證未顯示購(gòu)買該商品的評(píng)論者是否在其他商城有購(gòu)買行為。消費(fèi)者在選擇商品時(shí)，經(jīng)常會(huì)受到他人對(duì)商品的認(rèn)識(shí)和使用經(jīng)驗(yàn)的影響，這些意見(jiàn)和看法有時(shí)會(huì)直接影響消費(fèi)者的購(gòu)買決策。由于高端品牌更加注重消費(fèi)者體驗(yàn)及其購(gòu)買價(jià)格昂貴，消費(fèi)者在做出購(gòu)買決策前通常會(huì)向具有購(gòu)買或使用經(jīng)驗(yàn)的消費(fèi)者征求意見(jiàn)，因此他們發(fā)表的商品評(píng)論更具說(shuō)服力。

H4：商品品牌對(duì)評(píng)論者購(gòu)買經(jīng)驗(yàn)對(duì)評(píng)論有用性的影響具有顯著調(diào)節(jié)作用，在高端品牌中，購(gòu)買經(jīng)驗(yàn)對(duì)評(píng)論有用性影響更為顯著。

基于以上文獻(xiàn)，本文構(gòu)建了商品品牌與評(píng)論信息屬性、評(píng)論者屬性、評(píng)論有用性之間影響機(jī)制的概念模型，如圖1所示。該模型表明：（1）評(píng)論等級(jí)、評(píng)論深度、評(píng)論者排名及購(gòu)買經(jīng)驗(yàn)對(duì)在線評(píng)論有用性具有顯著影響；（2）商品品牌可能對(duì)評(píng)論等級(jí)、評(píng)論深度、評(píng)論者排名及購(gòu)買經(jīng)驗(yàn)對(duì)在線評(píng)論有用性的影響具有調(diào)節(jié)作用。

3 實(shí)證分析

3.1 數(shù)據(jù)收集

數(shù)據(jù)來(lái)源于亞馬遜商城商品頁(yè)面中的用戶商品評(píng)論，選擇了高端和中低端品牌的3類商品，包括MP3播放器、手機(jī)、數(shù)碼相機(jī)。選擇這3類商品主要是考慮到與其他商品相比擁有大量的商品評(píng)論，同時(shí)高端和中低端品牌易于區(qū)分。

商品的評(píng)論必須包含以下5個(gè)方面的數(shù)據(jù)：（1）發(fā)評(píng)者空間排名；（2）發(fā)評(píng)者是否已購(gòu)買該產(chǎn)品；（3）評(píng)論文本內(nèi)容；（4）評(píng)論有用票數(shù)；（5）評(píng)論總投票數(shù)。對(duì)上述商品，共收集了發(fā)表時(shí)間截止到2011年10月31日的總投票數(shù)不少于1的480條在線評(píng)論，篩選出提問(wèn)等其他不符合評(píng)論條件的35條，得到有效評(píng)論445條。

3.2 變量設(shè)計(jì)

本文將評(píng)論有用性作為因變量，并用評(píng)論有用票數(shù)與總投票數(shù)的比值來(lái)度量評(píng)論有用性，由于在選取商品評(píng)論時(shí)總投票數(shù)不少于1，因此，該值是一個(gè)0～1的連續(xù)值（不包含0）。

自變量有評(píng)論等級(jí)、評(píng)論深度、評(píng)論者排名和購(gòu)買經(jīng)驗(yàn)。本文將評(píng)論等級(jí)視為從1～5的連續(xù)變量；評(píng)論深度用評(píng)論文本的字?jǐn)?shù)加以測(cè)量，該指標(biāo)是一個(gè)取值大于0的連續(xù)型變量；亞馬遜在線評(píng)價(jià)系統(tǒng)自動(dòng)按照評(píng)論者對(duì)商品的評(píng)論以及評(píng)論有用性等因素對(duì)其進(jìn)行排名，取值是大于1的連續(xù)數(shù)值，取值越大，排名越靠后?？紤]到評(píng)論者等級(jí)太低，消費(fèi)者對(duì)其評(píng)論的采納率也相對(duì)較低，對(duì)研究的貢獻(xiàn)很少，因此，將評(píng)論者等級(jí)鎖定在1～100000以內(nèi)。將購(gòu)買經(jīng)驗(yàn)定義為1個(gè)二值變量，“0”表示未購(gòu)買，“1”表示已經(jīng)購(gòu)買。

為了探討不同商品品牌中評(píng)論有用性影響效應(yīng)的差異，引入商品品牌作為模型中的調(diào)節(jié)變量，并將其定義為1個(gè)二值變量，“0”表示中低端品牌，“1”表示高端品牌。

3.3 數(shù)據(jù)分析

為檢驗(yàn)評(píng)論等級(jí)、評(píng)論深度、評(píng)論者排名和購(gòu)買經(jīng)驗(yàn)是否對(duì)評(píng)論有用性具有顯著影響，本文首先對(duì)上述因素進(jìn)行多元線性回歸，各因素都達(dá)到了較高的顯著性水平（p

由表3可知，各指標(biāo)對(duì)評(píng)論有用性存在顯著的影響。由交互效應(yīng)的分析發(fā)現(xiàn)，商品品牌對(duì)評(píng)論者排名和購(gòu)買經(jīng)驗(yàn)對(duì)評(píng)論有用性的影響有著顯著的調(diào)節(jié)作用。為了進(jìn)一步探討不同品牌具體的影響效應(yīng)，分別對(duì)高端和中低端商品進(jìn)行多元線性回歸分析，結(jié)果見(jiàn)表4、表5。

4 結(jié)果討論

從實(shí)證結(jié)果來(lái)看，本文提出的假設(shè)H1、H3、H4都得到支持，H2未得到檢驗(yàn)。

（1）假設(shè)H1得到支持，由表3可知，評(píng)論等級(jí)的系數(shù)為負(fù)，說(shuō)明評(píng)論等級(jí)越高其有用性越小。評(píng)論等級(jí)是評(píng)論者根據(jù)商品介紹或自身的使用體驗(yàn)給出的綜合評(píng)價(jià)，在消費(fèi)者購(gòu)買商品之前會(huì)多方面搜集信息，評(píng)論等級(jí)越高，很可能說(shuō)明購(gòu)買者沒(méi)有深入了解商品，無(wú)法得知其優(yōu)缺點(diǎn)，而中評(píng)和差評(píng)一般是購(gòu)買者結(jié)合自身使用經(jīng)驗(yàn)給出的評(píng)論，因此具有更高的價(jià)值。

（2）假設(shè)H2未得到驗(yàn)證。評(píng)論篇幅越長(zhǎng)，涉及到對(duì)商品的介紹和評(píng)價(jià)越多，瀏覽該評(píng)論的消費(fèi)者也會(huì)獲得更多有用信息，因此，評(píng)論深度對(duì)消費(fèi)者的購(gòu)買決策起到了正向的指導(dǎo)作用。無(wú)論在高端或中低端品牌中，評(píng)論深度都對(duì)評(píng)論有用性有顯著正向影響（sig

（3）假設(shè)H3得到支持。評(píng)論者排名可以體現(xiàn)評(píng)論者的權(quán)威性，排名靠前意味著具有良好的專業(yè)知識(shí)、豐富的經(jīng)驗(yàn)和更深刻的認(rèn)識(shí)，積極活躍地參與群體討論、信息和知識(shí)共享，發(fā)表的商品評(píng)論具有較高的參考價(jià)值，能夠?qū)υu(píng)論有用性產(chǎn)生顯著的正向影響作用。特別是在中低端商品中，消費(fèi)者在做出購(gòu)買決策之前，會(huì)努力尋求排名靠前的評(píng)論者的評(píng)論。

（4）假設(shè)H4得到支持。有購(gòu)買經(jīng)驗(yàn)的消費(fèi)者的評(píng)論往往具有更高的有用性，在使用商品之后，消費(fèi)者能更好地了解商品的性能、質(zhì)量，并結(jié)合自身體驗(yàn)，總結(jié)出商品的優(yōu)缺點(diǎn)等。從表3和表4的比較可知，購(gòu)買經(jīng)驗(yàn)對(duì)高端商品評(píng)論有用性的影響顯著于中低端商品，是因?yàn)楦叨松唐犯幼⒅叵M(fèi)者體驗(yàn)及其購(gòu)買價(jià)格昂貴，因此有購(gòu)買經(jīng)驗(yàn)的評(píng)論者的評(píng)論對(duì)消費(fèi)者更具有參考意義。

根據(jù)實(shí)證結(jié)果對(duì)概念模型進(jìn)行修正，修正后的模型如圖2所示。

5 結(jié)語(yǔ)

本文借助于實(shí)證研究方法，探討了我國(guó)電子商務(wù)環(huán)境下在線商品評(píng)論有用性的影響因素以及各因素之間的作用機(jī)制。結(jié)果表明，評(píng)論信息屬性和評(píng)論者屬性都對(duì)評(píng)論有用性具有顯著影響。其中，評(píng)論等級(jí)和評(píng)論者排名與評(píng)論有用性顯著負(fù)相關(guān)，評(píng)論深度和購(gòu)買經(jīng)驗(yàn)與評(píng)論有用性顯著正相關(guān)。商品品牌對(duì)評(píng)論者排名和購(gòu)買經(jīng)驗(yàn)對(duì)評(píng)論有用性的影響具有顯著調(diào)節(jié)作用。本文的研究結(jié)果為國(guó)內(nèi)電子商務(wù)市場(chǎng)實(shí)踐提供了以下幾方面的啟示：

（1）重視消費(fèi)者關(guān)于商品的中評(píng)和差評(píng)。研究表明，消費(fèi)者在搜集商品相關(guān)信息時(shí)，會(huì)更加注重評(píng)論者給予的中評(píng)和差評(píng)。因此商家應(yīng)該根據(jù)這類評(píng)論，找到消費(fèi)者給予消極評(píng)論的原因，并不斷改進(jìn)商品或改善服務(wù)等。

（2）規(guī)范消費(fèi)者評(píng)論。評(píng)論網(wǎng)站應(yīng)該引導(dǎo)消費(fèi)者對(duì)商品做出規(guī)范的評(píng)論，如應(yīng)該盡可能地描述商品的特性、功能等屬性，或結(jié)合自身的使用體驗(yàn)闡述商品的優(yōu)缺點(diǎn)等，給潛在的消費(fèi)者提供真實(shí)可靠的信息。

（3）對(duì)不同品牌的商品評(píng)論有所側(cè)重。本文研究表明，商品品牌對(duì)評(píng)論者排名和購(gòu)買經(jīng)驗(yàn)對(duì)評(píng)論有用性的影響具有調(diào)節(jié)作用，評(píng)論網(wǎng)站或商家可以根據(jù)商品品牌的市場(chǎng)定位，將消費(fèi)者最關(guān)注的評(píng)論以不同的方式呈現(xiàn)，這樣可以減少消費(fèi)者的搜索成本，同時(shí)增強(qiáng)其購(gòu)買欲望。

（4）提高網(wǎng)上商城或企業(yè)的應(yīng)急處理能力。研究表明，在線商品評(píng)論會(huì)影響消費(fèi)者購(gòu)買行為，如果出現(xiàn)排名靠前且有購(gòu)買經(jīng)驗(yàn)的評(píng)論者，利用其自身優(yōu)勢(shì)在商品頁(yè)面虛假信息的情況，為避免給商家和潛在消費(fèi)者造成重大損失，需要網(wǎng)上商城和企業(yè)時(shí)時(shí)關(guān)注信息更新，并建立一套有效的應(yīng)急管理方案，積極采取補(bǔ)救措施。

當(dāng)然，本研究還存在不足。首先，用評(píng)論的字?jǐn)?shù)來(lái)度量其深度不夠精確，因?yàn)橛行┰u(píng)論雖然篇幅很長(zhǎng)，但是包含的有用信息不多，對(duì)消費(fèi)者而言價(jià)值有限。其次，用評(píng)論者排名來(lái)度量評(píng)論者屬性不夠全面，可將評(píng)論者的學(xué)歷、年齡、網(wǎng)絡(luò)購(gòu)物時(shí)間等作為研究因素。為此，本文的后續(xù)研究將引入文本挖掘方法，用文本的特征等屬性來(lái)度量其深度，同時(shí)區(qū)分商品類別，比如分為搜索型商品和體驗(yàn)型商品，從而更全面更深入地研究影響評(píng)論有用性的因素。

參考文獻(xiàn)：

[1]Godes D，D Mayzlin，Using Online Conversation to Study Word-of-mouth Communication[J].Marketing Science，2004，23（4）：545-560.

[2]中國(guó)互聯(lián)網(wǎng)信息中心（CNNIC）.2009年中國(guó)網(wǎng)絡(luò)購(gòu)物市場(chǎng)研究報(bào)告[R]，2009，（11）：38- 42.

[3]Ghose A，P Ipeirotis，A Sundararajan.The Dimensions of Reputation in Electronic Markets[J].Working Paper，New York University，2005，（12）：02.

[4]Susan M，Mudambi，David Schuff.What Makes a Helpful Online Review？ A Study of Customer Reviews on [J].MIS Quarterly，2010，1（34）：185-200.

[5]菲利普.科特勒，凱文.萊恩.凱勒.營(yíng)銷管理[M]，上海人民出版社，2009，11.

[6]Kevin Lane Keller，Donald R Lehmann.Brands and Branding：Research Findings and Future Priorities [J]，Marketing Science，2006，25（6）：740-759.

[7]王，周學(xué)春.象征型品牌的效應(yīng)——從意義到忠誠(chéng)[J]，管理科學(xué)，2011，24（4）：41-53.

[8]Krosnick J A，Boninger D S，Chuang Y C，Berent M K，Camot C G.“Attitude Strength：One Construct or Many Related Constructs？” [J]，Journal of Personality and Social Psychology，1993，65（6）：1132-1151.

[9]Pavlou P，Liang H，Xue Y.Uncertainty and Mitigating Uncertainty in Online Exchange Relationships：A Principal-Agent Perspective [J]，MIS Quarterly，2007，31（1）：105-131.

[10]Forman C，Ghose A，Wiesenfeld B.Examining the Relationship Between Reviews and Sales：The Role of Reviewer Identity Disclosure in Electronic Markets [J]，Information Systems Research，2008，19（3）：291-313.

[11]彭嵐，周啟海，等.消費(fèi)者在線評(píng)論有用性影響因素模型研究[J]，計(jì)算機(jī)科學(xué)，2011，8（38）：205-207.

[12]關(guān)輝，董大海.品牌形象對(duì)消費(fèi)者行為傾向影響的實(shí)證研究[J]，中國(guó)流通經(jīng)濟(jì)，2007，7：42-45.

[13]B J Fogg，Hsiang Tseng.The Elements of Computer Credibility [J]，Proceedings of the SIGCHI Conference on Human Factors in Computing Systems，1999，80-87.

[14]郭國(guó)慶，陳凱，等.消費(fèi)者在線評(píng)論可信度的影響因素研究[J]，當(dāng)代經(jīng)濟(jì)管理，2010，10（32）：17-23.

商品評(píng)論范文第5篇

關(guān)鍵詞：產(chǎn)品評(píng)論；SVM；搭配識(shí)別；情感分析

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2095-1302（2016）11-00-04

0 引 言

隨著Web技術(shù)和電子商務(wù)的發(fā)展，越來(lái)越多的人在各大電商上對(duì)自己買過(guò)的產(chǎn)品發(fā)表評(píng)論，這些信息絕大部分代表著者的觀點(diǎn)或主觀情感。商家如果能夠得到用戶的這些反饋，將有助于商家的下一步生產(chǎn)和銷售決策。而其他準(zhǔn)備購(gòu)買該商品的顧客也可以根據(jù)這些反饋來(lái)更好地幫助自己決定該商品是否值得購(gòu)買。因此對(duì)這些情感信息進(jìn)行有效的自動(dòng)分析并構(gòu)建相應(yīng)系統(tǒng)成了當(dāng)今的熱門研究問(wèn)題之一。

產(chǎn)品評(píng)論的挖掘分析主要是基于句子級(jí)別的情感分析，其主要任務(wù)有識(shí)別并獲取產(chǎn)品的特征或?qū)傩?，定位用戶的主觀性評(píng)論，抽取評(píng)論搭配，判別用戶評(píng)論的褒貶[1]。本文構(gòu)造的系統(tǒng)以屬性詞詞典，情感詞詞典以及程度詞詞典和否定詞詞典為基礎(chǔ)，通過(guò)SVM分類法對(duì)屬性詞和程度詞的搭配進(jìn)行識(shí)別，進(jìn)而分析評(píng)論的褒貶。

1 相關(guān)研究

Probst等[2]利用監(jiān)督學(xué)習(xí)技術(shù)抽取屬性詞―評(píng)論詞關(guān)系對(duì)。Yohan等[3]基于LDA模型提出SLDA模型。實(shí)驗(yàn)表明，該類方法在抽取產(chǎn)品特征中有一定的效果。栗春亮等[4]利用百度百科和分詞后相鄰的詞語(yǔ)同現(xiàn)比例來(lái)識(shí)別專業(yè)領(lǐng)域內(nèi)的生詞，在中文產(chǎn)品評(píng)論語(yǔ)料中設(shè)計(jì)詞性組合模板來(lái)得到候選屬性詞集，然后利用一定的規(guī)則對(duì)其過(guò)濾。Qiu[5]等通過(guò)研究評(píng)價(jià)詞和評(píng)價(jià)對(duì)象間的關(guān)系模式，提出用一種雙向傳播算法進(jìn)行抽取。本文對(duì)產(chǎn)品屬性詞的抽取主要借鑒文獻(xiàn)[4]中提到的方法，得到1 500個(gè)屬性詞，作為屬性詞詞典。情感詞典的構(gòu)建方式主要有人工和基于詞典兩種。目前主要使用的詞典有董振東和董強(qiáng)編撰的HOWNET情感詞典和臺(tái)灣大學(xué)編撰的NTU情感詞典。Hassan等[6]使用馬爾科夫隨機(jī)游走模型計(jì)算詞語(yǔ)的情感權(quán)值。柳位平等[7]在中文詞語(yǔ)相似度計(jì)算方法的基礎(chǔ)上提出了一種中文情感詞語(yǔ)的情感權(quán)值計(jì)算方法，并以HOWNET情感詞語(yǔ)集為基準(zhǔn)，構(gòu)建了中文基礎(chǔ)情感詞典。陽(yáng)愛(ài)民等[8]選用若干個(gè)情感種子詞，利用搜索引擎返回共現(xiàn)數(shù)，通過(guò)改進(jìn)的PMI（Pointwise Mutual Information，PMI）算法計(jì)算情感詞的情感權(quán)值。李壽山等[9]借助機(jī)器翻譯系統(tǒng)，結(jié)合雙語(yǔ)言資源的約束信息，利用標(biāo)簽傳播算法（LP）計(jì)算詞語(yǔ)的情感信息。本文主要根據(jù)文獻(xiàn)[8]提出的方法，構(gòu)建一個(gè)在產(chǎn)品評(píng)論分析中使用的情感詞典，部分詞如圖1所示。程度詞和否定詞詞典使用王文華等[10]提出的相應(yīng)詞典。

詞集 極性 情感詞

P_set 正向 著名，好，積極，和諧，青春，成熟，善良，文明，出色，舒服，純真，得體，美麗，創(chuàng)造力，寬容，昌盛，感激，優(yōu)秀，美好，燦爛，誠(chéng)實(shí)，給力，帥呆，霸氣，淳樸，漂亮，美妙，輝煌

N_set 負(fù)向 罪惡，詛咒，暴殄天物，郁悶，傻逼，變態(tài)，慘不忍睹，痛苦，垃圾，失敗，委屈，毛病，扭曲，詭異，畸形，悲慘，崩潰，弱爆，狠毒，假冒，水貨，粗暴

對(duì)屬性詞和情感詞的搭配識(shí)別可以看成是一個(gè)分類問(wèn)題，常用到的分類算法包括樸素貝葉斯分類器（Naive Bayesian Classifier）、基于支持向量機(jī)（Support Vector Machine，SVM）的分類器、k-最近鄰法（k-Nearest Neighbor，kNN）、決策樹(shù)（decision tree）分類法、最大熵模型（Maximum Entropy， ME）等，本文使用SVM作為搭配識(shí)別的分類器，搭配規(guī)則使用文獻(xiàn)[10]中提到的8條規(guī)則。

2 情感分析系統(tǒng)的需求分析和設(shè)計(jì)目標(biāo)

2.1 需求分析

產(chǎn)品評(píng)論情感分析系統(tǒng)用來(lái)對(duì)電子商務(wù)網(wǎng)站上的產(chǎn)品評(píng)論進(jìn)行搜集分析。

（1）該系統(tǒng)首先對(duì)某個(gè)站點(diǎn)進(jìn)行頁(yè)面抓取、內(nèi)容提取，得到用戶對(duì)產(chǎn)品的大量評(píng)論信息；

（2）進(jìn)行分詞、關(guān)鍵信息抽取；

（3）對(duì)這些評(píng)論信息進(jìn)行分析，挖掘出用戶對(duì)產(chǎn)品各種屬性的情感傾向以及對(duì)整個(gè)產(chǎn)品乃至商家的褒貶傾向；

（4）將結(jié)果進(jìn)行展示，從而有效輔助希望購(gòu)買產(chǎn)品的用戶進(jìn)行合理的消費(fèi)判斷，同時(shí)也能夠幫助產(chǎn)品生產(chǎn)商做下一步生產(chǎn)和銷售決策。

根據(jù)這些需求，可以對(duì)本系統(tǒng)做出如下需求分析：

（1）能夠抓取產(chǎn)品評(píng)論頁(yè)面并能對(duì)頁(yè)面中的評(píng)論內(nèi)容進(jìn)行提取。

（2）能夠從評(píng)論文本中抽取情感信息。

（3）能夠有效搭配識(shí)別分類。

（4）能夠準(zhǔn)確進(jìn)行屬性情感極性分析和文本情感的傾向判斷。

（5）預(yù)留開(kāi)發(fā)接口，能方便的對(duì)搭配識(shí)別分類算法進(jìn)行更改。

（6）能夠?qū)⒔Y(jié)果以用戶易于理解的方式展示出來(lái)。

由此可以得出圖2所示的產(chǎn)品評(píng)論情感分析系統(tǒng)的工作流程。

2.2 設(shè)計(jì)目標(biāo)

通過(guò)需求分析，可以將系統(tǒng)功能劃分為網(wǎng)頁(yè)抓取及頁(yè)面內(nèi)容提取模塊、情感信息提取模塊、情感分析模塊。

（1）網(wǎng)頁(yè)抓取及頁(yè)面內(nèi)容提取模塊實(shí)現(xiàn)網(wǎng)頁(yè)抓取及頁(yè)面文本提取的功能。

（2）情感信息提取模塊負(fù)責(zé)從抓取到的頁(yè)面或者用戶自定義的文本中抽取出關(guān)鍵情感信息。

（3）情感分析模塊對(duì)情感信息提取模塊抽取出的關(guān)鍵情感信息進(jìn)行情感分析，得出結(jié)論。

對(duì)中間信息以及最后的結(jié)論信息進(jìn)行存儲(chǔ)，并通過(guò)用戶容易理解的方式進(jìn)行結(jié)果展示。一個(gè)優(yōu)秀的軟件系統(tǒng)首先要實(shí)現(xiàn)系統(tǒng)需要的各個(gè)功能模塊，其次要達(dá)到系統(tǒng)的性能指標(biāo)，最后還要為用戶提供高可靠性的服務(wù)。所以，系統(tǒng)設(shè)計(jì)時(shí)應(yīng)當(dāng)考慮到如下幾個(gè)方面：

（1）功能性。本系統(tǒng)該實(shí)現(xiàn)需求分析中提出的各項(xiàng)功能。

（2）有效性。能夠?qū)Ξa(chǎn)品評(píng)論進(jìn)行有效的情感分析。由于使用現(xiàn)有語(yǔ)料進(jìn)行的封閉性測(cè)試比直接采集互聯(lián)網(wǎng)信息所得的結(jié)果低一些，因此系統(tǒng)對(duì)產(chǎn)品評(píng)論文本進(jìn)行情感分析后的準(zhǔn)確率要比算法設(shè)計(jì)過(guò)程中的測(cè)試結(jié)果高。

（3）易用性。系統(tǒng)應(yīng)該操作方便，使用簡(jiǎn)單，展示的結(jié)果容易理解。

（4）可維護(hù)性。系統(tǒng)應(yīng)該能夠方便的對(duì)內(nèi)置情感分析算法進(jìn)行替換、維護(hù)，以便將來(lái)對(duì)算法進(jìn)行改進(jìn)。

（5）健壯性。系統(tǒng)應(yīng)該運(yùn)行穩(wěn)定，出現(xiàn)意外后退出能重新啟動(dòng)。

3 情感分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)

根據(jù)上節(jié)對(duì)系統(tǒng)進(jìn)行的需求分析和目標(biāo)設(shè)計(jì)，本節(jié)對(duì)整個(gè)系統(tǒng)的功能進(jìn)行了劃分，得出了圖3所示的系統(tǒng)功能模塊圖。

圖3將產(chǎn)品評(píng)論情感分析系統(tǒng)劃分成評(píng)論信息獲取模塊、信息預(yù)處理模塊、情感分析模塊。

3.1 頁(yè)面抓取

頁(yè)面抓取模塊主要用一個(gè)網(wǎng)絡(luò)爬蟲(chóng)來(lái)完成。使用Apache的HTTP客戶端開(kāi)源項(xiàng)目HttpClient，HttpClient提供HTTP的訪問(wèn)主要通過(guò)GetMethod類和PostMethod類來(lái)實(shí)現(xiàn)，它們分別對(duì)應(yīng)HTTPGet請(qǐng)求與HttpPost請(qǐng)求。具體抓取操作流程如圖4所示。

3.2 頁(yè)面內(nèi)容提取

頁(yè)面內(nèi)容提取的方法很多，有基于統(tǒng)計(jì)的、基于規(guī)則的、機(jī)器學(xué)習(xí)的，還有基于DOM樹(shù)的?；贒OM樹(shù)的方法將頁(yè)面中的內(nèi)容和結(jié)果看成是一棵樹(shù)。Java有一個(gè)非常實(shí)用的開(kāi)源工具包HtmlParser，主要靠Node、AbstractNode和Tag等數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)造HTML的樹(shù)形結(jié)構(gòu)，包括RemarkNode和TextNode。單個(gè)頁(yè)面內(nèi)容提取的流程圖如圖5所示。

在不同的網(wǎng)站中，頁(yè)面內(nèi)容的HTML標(biāo)簽不同，因此需要對(duì)不同網(wǎng)站設(shè)計(jì)不同的提取模板。在這里用正則表達(dá)式來(lái)區(qū)分不同的網(wǎng)站，首先將同一個(gè)頁(yè)面提取模板的一組URL構(gòu)造成一個(gè)或多個(gè)正則表達(dá)式，然后判斷網(wǎng)頁(yè)的URL與正則表達(dá)式是否匹配，進(jìn)而選擇頁(yè)面提取模板。

3.3 分詞模塊

中科院計(jì)算所開(kāi)發(fā)的ICTCLAS（Institute of Computing Technology，Chinese Lexical Analysis System）分詞系統(tǒng)是目前世界上較好的中文分詞系統(tǒng)，本文使用其Java版本ICTCLAS4J。使用MyLexicon類描述分詞模塊，該模塊的成員如圖6所示。

addDictionary（fileName）方法使用ICTCLAS4J提供的ICTCLAS50類的ICTCLAS_ImportUserDictFile（usrdirb， n）方法，該方法返回導(dǎo)入用戶詞語(yǔ)個(gè)數(shù)，第一個(gè)參數(shù)為用戶字典路徑，第二個(gè)參數(shù)為用戶字典的編碼類型。textProcess（str）方法使用ICTCLAS50類的ICTCLAS_ParagraphProcess（）方法分詞。對(duì)得到的字符串按照空格分開(kāi)，讀取存放屬性詞典和情感詞典的資源文件，對(duì)分割好的的每一個(gè)詞與資源文件中的詞語(yǔ)進(jìn)行對(duì)比，提取出屬性詞和情感詞，構(gòu)成屬性詞集attrset和情感詞集sentset。

3.4 分析預(yù)處理

分析預(yù)處理模塊工作過(guò)程如下：

（1）在分詞的基礎(chǔ)上形成屬性詞集合和情感詞集合；

（2）將兩個(gè)集合作笛卡爾乘積得到形如若干三元組；

（3）根據(jù)8條搭配分析規(guī)則，形成原始模板；

（4）得到帶有原始模板的擴(kuò)展三元組。

用Preprocess類來(lái)描述分析預(yù)處理模塊，該模塊的成員如圖7所示。

屬性詞集合、情感詞集合、三元組、原始模板都用數(shù)組來(lái)描述，getTriple（）、getPattern（）為私有方法，該類只對(duì)外提供getNewtriple（）方法。

3.5 搭配識(shí)別模塊

這里使用林智仁等開(kāi)發(fā)的libsvm軟件包，在系統(tǒng)中，將該子模塊封裝成Classifier類，主要提供模型的訓(xùn)練和對(duì)新文本進(jìn)行搭配識(shí)別的分類功能。該類的成員如圖8所示。

libsvm的數(shù)據(jù)格式為： ： ：……

使用SVM分類器對(duì)文本進(jìn)行分類，若返回值為1表示搭配，則將newtriple保存，用于下一步的情感分析判斷；若返回值為-1則表示不搭配。precise（datapath， percent）函數(shù)用來(lái)對(duì)算法的準(zhǔn)確度進(jìn)行測(cè)試，包含datapath和percent兩個(gè)參數(shù)。datapath表示訓(xùn)練數(shù)據(jù)所在路徑，percent表示訓(xùn)練數(shù)據(jù)占總數(shù)據(jù)的比例，默認(rèn)的percent取0.5，即隨機(jī)取一半的數(shù)據(jù)作為訓(xùn)練，另一半數(shù)據(jù)進(jìn)行測(cè)試。返回值為分類的準(zhǔn)確率。

3.6 情感分析判斷

根據(jù)節(jié)文本情感傾向判斷過(guò)程進(jìn)行的描述，得到圖9所示的情感分析判斷流程。

用Analysis類來(lái)描述情感分析判斷模塊。該類的成員如圖10所示。

judge（）方法用以判斷sentiment的值，大于0為正向情感，小于0為負(fù)向情感。

4 結(jié) 語(yǔ)

整個(gè)系統(tǒng)操作界面由評(píng)論提取部分、輸入（導(dǎo)入）評(píng)論部分和情感分析部分組成。用戶在輸入框中輸入產(chǎn)品評(píng)論的地址，點(diǎn)擊“提取評(píng)論”按鈕后，系統(tǒng)自動(dòng)將產(chǎn)品評(píng)論頁(yè)面抓取下來(lái)并將評(píng)論提取出來(lái)，保存到默認(rèn)路徑下的文件中。點(diǎn)擊“保存”按鈕可以手動(dòng)選擇路徑和保存的文件名。 用戶要想對(duì)提取的評(píng)論進(jìn)行分析時(shí)，可以點(diǎn)擊“導(dǎo)入”按鈕，選取指定的評(píng)論文件，此時(shí)文件中的內(nèi)容將顯示在文本框中，輸入評(píng)論后，點(diǎn)擊“情感分析”按鈕即可將產(chǎn)品評(píng)論文本情感分析的結(jié)果顯示出來(lái)，如圖11所示。

對(duì)系統(tǒng)的準(zhǔn)確性進(jìn)行測(cè)試驗(yàn)證，選取兩款不同的手機(jī)評(píng)論進(jìn)行分析。分別從京東商城網(wǎng)站上的手機(jī)評(píng)論頁(yè)面抓取評(píng)論，從中各選出600篇評(píng)論進(jìn)行人工情感傾向判斷，然后與系統(tǒng)的分析結(jié)果進(jìn)行比對(duì)，統(tǒng)計(jì)分析正確的正負(fù)評(píng)論與計(jì)算準(zhǔn)確率。計(jì)算結(jié)果如表1所示。

根據(jù)以上對(duì)兩款不同手機(jī)的評(píng)論進(jìn)行分析統(tǒng)計(jì)的結(jié)果可知，準(zhǔn)確率分別為91.2%和90.8%，滿足系統(tǒng)設(shè)計(jì)目標(biāo)的準(zhǔn)確性要求，表明系統(tǒng)能夠?qū)Ξa(chǎn)品評(píng)論進(jìn)行有效的情感分析。

參考文獻(xiàn)

[1]魏，向陽(yáng)，陳千.中文文本情感分析綜述[J].計(jì)算機(jī)應(yīng)用，2011，31（12）：3321-3323.

[2]Probst K， Ghai M K R， Fano A. Semi-supervised Learning of Attribute- value Pairs from Product Descriptions[A]. IEEE Press， 2007， 2838-2843.

[3]Yohan Jo， Alice Oh. Aspect and Sentiment Unification Modelfor Online Review Analysis[A]. 2011.

[4]栗春亮，朱艷輝，徐葉強(qiáng).中文產(chǎn)品評(píng)論中屬性詞抽取方法研究[J].計(jì)算機(jī)工程，2011，37（12）：26-28.

[5] Liu G， Bu J， Chen C， et al. Opinion Word Expansion and Target Extraction Through Double Propagation[J]. Computational Linguistics， 2011， 37（1）： 9-21.

[6]Hassan A， Radev D. Identifying text polarity using random walks [C]. Proceedings of Annual Meenting of the Association for Computational Linguistics（ACL-2010）， Uppsala， 2010： 395-403.

[7]柳位平，朱艷輝，栗春亮，等.中文基礎(chǔ)情感詞詞典構(gòu)建方法研究[J].計(jì)算機(jī)應(yīng)用，2009，29（10）：2875-2877.

[8]陽(yáng)愛(ài)民，林江豪，周詠梅，等.中文文本情感詞典構(gòu)建方法[J].計(jì)算機(jī)科學(xué)與探索，2013，7（11）：1033-1039.