張亞明 趙楊 王林

摘要：以執(zhí)行意向理論為基礎(chǔ)，利用文本挖掘技術(shù)和社會網(wǎng)絡(luò)分析方法對網(wǎng)購評論行為反應(yīng)模式進行了初步探索。研究發(fā)現(xiàn)：驅(qū)動網(wǎng)購評論行為的因素按影響由大到小依次為網(wǎng)購體驗、感覺與知覺、商品細節(jié)、包裝品質(zhì)、時間感知、色彩偏好、空間轉(zhuǎn)移、價值讓渡、人際網(wǎng)絡(luò)、口碑傳播、環(huán)境感知、情緒反應(yīng)和決策行為等；網(wǎng)購目標導(dǎo)向體現(xiàn)為實用、享樂、速度、社交、讓利、炫耀、情感、忠誠、分享、推薦和認同導(dǎo)向等行為目標，以及在其刺激下表現(xiàn)為抱怨、焦慮、緊張、愉悅感、恐懼感、情緒起伏、行為忠誠、口碑傳播等網(wǎng)購行為反應(yīng)；深入分析網(wǎng)購評論行為反應(yīng)的6個主要過程及行為結(jié)果，為多學(xué)科交叉研究提供了一種可借鑒的方法。

關(guān)鍵詞：網(wǎng)購評論；執(zhí)行意向；目標導(dǎo)向；行為反應(yīng)；情景線索

DOI：10.13956/j.ss.1001-8409.2016.07.26

中圖分類號：F713.5；F274文獻標識碼：A 文章編號：1001-8409（2016）07-0118-06

Abstract： Based on the theory of implementation intentions， this paper explored initially behavior reaction mode of online shopping commentary by the technology of text mining and social network analysis. Result show that， the driving factors of online shopping comment behavior of the order from big to small in turn was online shopping experience， sensation and perception， details of goods， packaging quality， time perception， color preference， space transfer， value delivery， interpersonal network， wordofmouth， environmental perception， emotional reaction and decisionmaking behavior，etc.. Types of online shopping goal oriented included practical， enjoyment， speed， social， benefit， selfdisplay， emotion， loyalty， sharing， recommend and identity orientation etc. Online shopping behavior response showed that the sense of joy， fear， mood swings， behavior loyalty， wordofmouth， complain， anxiety and tension was in its stimulus. The depth analysis of the six major behavioral reaction processes on online shopping reviews and its results provided a useful method for multidisciplinary research.

Key words： online shopping commentary； implementation intentions； goal orientation； behavioral response； contextual cueing

網(wǎng)購已經(jīng)成為人們一種最基本的生活方式，網(wǎng)購評論也成為消費者最基本的習(xí)慣，評論成為人們決策的重要參考。然而，評論信息的過載及其質(zhì)量的參差不齊嚴重干擾了人們對商品質(zhì)量的有效判斷，增加了信息搜索成本，降低了網(wǎng)購決策效率[1]。因此，挖掘網(wǎng)購評論中蘊含的價值和行為規(guī)律成為熱點課題，而行為執(zhí)行意向作為一種行為臨界變量在預(yù)測實際行為方面的優(yōu)勢非常明顯，引起了學(xué)術(shù)界的重視。然而，在大數(shù)據(jù)背景下的網(wǎng)購行為執(zhí)行意向鮮有研究。所以，本文以執(zhí)行意向理論為基礎(chǔ)，通過文本挖掘和社會網(wǎng)絡(luò)分析等方法，深入探討網(wǎng)購評論行為反應(yīng)模式，揭示網(wǎng)購情景線索特征與目標導(dǎo)向行為反應(yīng)之間的關(guān)聯(lián)和作用機理，進一步為網(wǎng)購行為執(zhí)行意向的動力學(xué)演化建模奠定前期基礎(chǔ)。

1理論基礎(chǔ)

由于網(wǎng)購平臺并沒有規(guī)定在線交易必須進行評論，但仍然有大量網(wǎng)購者不斷發(fā)布評論，這引起了很多學(xué)者的興趣。研究發(fā)現(xiàn)，產(chǎn)品、自我、信息卷入[2]、社交、愉悅感及執(zhí)行成本是網(wǎng)購者發(fā)布網(wǎng)購評論進行網(wǎng)絡(luò)口碑傳播的主要動機[3]。進一步梳理可知，這些動機有些與情景線索有關(guān)，比如產(chǎn)品和信息卷入的情景線索會幫助他人降低搜尋成本，提高網(wǎng)購決策效率，有些與目標導(dǎo)向的行為反應(yīng)有關(guān)，比如為幫助他人了解網(wǎng)購產(chǎn)品的真實細節(jié)而發(fā)布評論，進而獲得成就感和愉悅感，這些發(fā)現(xiàn)進一步表明網(wǎng)購評論動機與網(wǎng)購評論行為執(zhí)行意向有重要聯(lián)系。然而，在海量網(wǎng)購評論文本數(shù)據(jù)背后是否還有更多未知的行為規(guī)律，目前還處于探索階段，需要深入研究。

網(wǎng)購評論信息不僅反映網(wǎng)購者的行為動機，也折射出其行為反應(yīng)，例如網(wǎng)購評論會反映出個體是否滿意、開心、后悔等信息，這會影響其是否會重復(fù)購買、推薦購買等網(wǎng)購行為意向[4]。然而，隨著我國電子商務(wù)進入大數(shù)據(jù)時代，網(wǎng)購評論呈現(xiàn)出海量、高速、多樣化和多價值的特征[5]，僅靠傳統(tǒng)的統(tǒng)計方法對大量非結(jié)構(gòu)化的評論信息進行建模、預(yù)測是低效率的，需要借助文本數(shù)據(jù)挖掘等技術(shù)探究其規(guī)律。因此，通過文本挖掘獲取網(wǎng)購評論的行為特征及心理聯(lián)系將非常關(guān)鍵[6]，因為這些網(wǎng)購評論包含重要的情景線索和目標導(dǎo)向的行為反應(yīng)，它們是行為執(zhí)行意向的核心驅(qū)動力，有助于進一步預(yù)測實際網(wǎng)購行為[7]。執(zhí)行意向理論最早由Gollwitzer提出，主要包含特定的情景線索、合適的目標導(dǎo)向行為反應(yīng)[8]。研究發(fā)現(xiàn)，情景能夠直接引發(fā)目標的產(chǎn)生，從而對目標導(dǎo)向的行為產(chǎn)生影響[9]。研究還發(fā)現(xiàn)，執(zhí)行意向主要與行為意向、自我協(xié)調(diào)、合作性等關(guān)鍵變量產(chǎn)生心理聯(lián)系[10]。

綜上所述，執(zhí)行意向理論對于網(wǎng)購評論行為反應(yīng)模式的探索具有重要的理論支撐，該模式也將促進網(wǎng)購場景及個性化推薦策略的優(yōu)化。

2研究設(shè)計

21數(shù)據(jù)采集與預(yù)處理

由于網(wǎng)購評論是非結(jié)構(gòu)化的文本，數(shù)據(jù)采集時應(yīng)保證其連續(xù)性和完整性，為此主要采取了如下措施：（1）確定網(wǎng)購評論數(shù)據(jù)源和采集對象；（2）確定采集方法和存儲格式；（3）編寫采集腳本；（4）調(diào)試數(shù)據(jù)采集腳本程序；（5）正式采集數(shù)據(jù)；（6）數(shù)據(jù)預(yù)處理。在采集數(shù)據(jù)前，首先要確定網(wǎng)購平臺。選擇天貓B2C網(wǎng)站為網(wǎng)購行為研究平臺，因為其具有良好的用戶口碑，網(wǎng)購評論數(shù)量和質(zhì)量相對其他網(wǎng)購平臺也有一定的優(yōu)勢。其次，確定采集的類別。由于網(wǎng)站分類十分龐雜，需要縮小采集范圍。根據(jù)淘寶指數(shù)，2013～2015年網(wǎng)購交易指數(shù)最高的是服裝類，該服裝類網(wǎng)購評論具有良好的區(qū)分效果，評論描述細致，差評和好評自然分布，所有搜索結(jié)果均包含時間、價格、款式、顏色、交易量、評論數(shù)、人氣指數(shù)等信息，這使得采集多源網(wǎng)購評論文本數(shù)據(jù)具有廣泛的樣本保證，從而使其具有較好的代表性。

22樣本選擇

通過數(shù)據(jù)采集器鎖定關(guān)鍵詞，獲取采集網(wǎng)址清單，最后共采集到50000條網(wǎng)購評論信息。在樣本選擇時，首先去除重復(fù)評論信息；其次，為了研究的規(guī)范和科學(xué)性，本研究從樣本庫中隨機抽取每天1000條網(wǎng)購評論信息，共抽取20000條有效評論進行研究；接著是對樣本的半結(jié)構(gòu)化處理；最后構(gòu)建網(wǎng)購評論文本文件，便于文本識別、文本分詞及特征提取等。

23研究方法

本文采用了文本挖掘法和社會網(wǎng)絡(luò)分析法（前者由Feldman在1995年正式提出[11]，而社會網(wǎng)絡(luò)分析一直是學(xué)術(shù)界的研究熱點并在許多領(lǐng)域得到推廣應(yīng)用[12]），利用Ucinet軟件分析在線購物評論的節(jié)點、邊及網(wǎng)絡(luò)各項指標，同時利用Netdraw工具進行語義網(wǎng)絡(luò)分析，進而揭示網(wǎng)購評論行為與心理的演化規(guī)律[13]。

3結(jié)果及可視化分析

31網(wǎng)購情景線索與目標導(dǎo)向行為反應(yīng)特征挖掘

對于非結(jié)構(gòu)化的網(wǎng)購評論文本，需要進行自然語言處理，中文分詞是其中的一項關(guān)鍵基礎(chǔ)技術(shù)。利用LTP（Language Technology Platform，LTP）平臺對網(wǎng)購評論文本進行中文分詞、依存關(guān)系分析[14]，從中揭示網(wǎng)購情景線索特征、目標導(dǎo)向行為反應(yīng)特征及二者之間的作用模式。

311網(wǎng)購評論的詞頻分析及情景線索特征挖掘

通過采集技術(shù)得到網(wǎng)購評論數(shù)據(jù)，進行數(shù)據(jù)預(yù)處理，即經(jīng)過數(shù)據(jù)清洗、行特征提取，確定有效的評論文本數(shù)據(jù)，并轉(zhuǎn)換成文本格式；利用LTP平臺進行分詞參數(shù)設(shè)置，實施分詞；將分詞結(jié)果保存為文本文件，利用ROST CM 內(nèi)容挖掘系統(tǒng)提取高頻詞，形成如表1所示的高頻詞統(tǒng)計表。

如表1所示，網(wǎng)購者圍繞“衣服”這個核心需求展開評論，關(guān)鍵詞對應(yīng)的詞頻代表了大部分網(wǎng)購者評論行為的動力強度，被大家反復(fù)提及的關(guān)鍵詞與網(wǎng)購者的消費心理與行為、體驗知覺、情緒狀態(tài)、口碑傳播等存在密切的關(guān)聯(lián)性。為此，課題組對分詞結(jié)果進行了進一步編碼，提煉出網(wǎng)購評論的核心特征。如表2所示，發(fā)現(xiàn)網(wǎng)購評論中包含重要的情景線索特征：第一，網(wǎng)購者最關(guān)注的是體驗、感覺與知覺，說明群體反復(fù)的網(wǎng)購體驗信息具有自動營銷的功能；第二，網(wǎng)購者對所購商品本身的功能細節(jié)等認知和滿意度占有重要的決策權(quán)重；第三，包裝品質(zhì)、時間感知、色彩偏好等網(wǎng)購情景線索特征也是重要的網(wǎng)購行為驅(qū)動因素。

312網(wǎng)購評論的依存關(guān)系分析及目標導(dǎo)向行為反應(yīng)模式挖掘

基于圖的依存分析方法由McDonald提出，他將依存分析問題歸結(jié)為在一個有向圖中尋找最大生成樹的問題[15]，它通過分析語言單位內(nèi)成分之間的依存關(guān)系揭示其句法結(jié)構(gòu)。如圖1所示，利用LTP平臺對網(wǎng)購評論的句法結(jié)構(gòu)進行了剖析，以挖掘網(wǎng)購者在不同目標導(dǎo)向時的行為反應(yīng)模式。在LTP平臺中，A0表示動作的實施，A1表示動作的影響；ADV是Adverbial的縮寫，表示附加語義角

色；Root表示根節(jié)點，是全句核心節(jié)點；LTP中采用863詞性標注集，其中，a標簽是Adjective的縮寫，d標簽是adverb的縮寫；nh標簽是人名“Person Name”的標記；n標簽是general noun的縮寫；v標簽是verb的縮寫。在LTP平臺中，主要有12種漢語語法關(guān)系，其中HED、SBV、ATT、VOB和COO縮寫分別表示核心關(guān)系（Head）、主謂關(guān)系（Subject-verb）、定中關(guān)系（Attribute）、動賓關(guān)系（Verb-object）和并列關(guān)系（Coordinate），它們能比較準確地區(qū)分出網(wǎng)購評論的描述語義。

首先，采用Pairwise方法，將訓(xùn)練樣本分為4類：核心依存、中間依存、邊緣依存和沒有依存關(guān)系，如圖1所示，訓(xùn)練生成4個二值分類器，對沒有依存關(guān)系的網(wǎng)購評論詞句在程序中進行了處理，減少了訓(xùn)練成本；其次，使用確定性Nivres算法，根據(jù)網(wǎng)購評論語料大小不同進行4組實驗，從訓(xùn)練時間、依存關(guān)系正確率、根正確率、整句正確率、解析時間5個方面進行比較；最后，實驗結(jié)果如表3所示。

如表3所示，當網(wǎng)購評論的語料規(guī)模增加到5000句以后，依存關(guān)系的正確率隨之提高，并呈現(xiàn)穩(wěn)定的狀態(tài)，但隨著訓(xùn)練樣本的增加訓(xùn)練時間明顯變長，需要在精度和時間之間做好平衡。因此，通過分析網(wǎng)購評論語料的核心依存、中間依存和邊緣依存關(guān)系，初步形成了網(wǎng)購評論的依

存關(guān)系。由于網(wǎng)購評論文本語句太多，難以在文中將依存關(guān)系圖一一展開，同時限于篇幅限制，不再詳述提煉的每一步結(jié)果。后期課題組經(jīng)過整理和歸納，發(fā)現(xiàn)網(wǎng)購評論的三大依存關(guān)系：核心依存、中間依存和邊緣依存關(guān)系。核心依存關(guān)系主要與享受、體驗、滿意高度相關(guān)，如網(wǎng)購評論中手感體驗輸出商品品質(zhì)判斷、網(wǎng)購情緒狀態(tài)和品牌印象等，這是決定是否持續(xù)吸引網(wǎng)購人群購買的情景線索，屬于高目標導(dǎo)向的依存關(guān)系，這與表2的研究結(jié)果基本一致；中間依存關(guān)系主要與商品細節(jié)描述、配送效率、色彩、包裝及讓利程度等高度相關(guān)，這是在達成高目標導(dǎo)向后網(wǎng)購者行為自動進入中等目標導(dǎo)向的持續(xù)相依反應(yīng)；邊緣依存關(guān)系主要與網(wǎng)購者的網(wǎng)絡(luò)人際需求、口碑傳播、情感交流和環(huán)境感知等高度相關(guān)，網(wǎng)購者在滿足核心目標和中等目標后進而產(chǎn)生自我表露、精神追求及炫耀需求等目標導(dǎo)向的行為反應(yīng)。總之，本研究從句法和語義層面對網(wǎng)購評論語料進行了依存關(guān)系分析，這對下一步探索網(wǎng)購評論行為的語義特征及演化規(guī)律奠定了基礎(chǔ)。

32基于語義網(wǎng)絡(luò)的網(wǎng)購評論行為演化規(guī)律探究

321網(wǎng)購評論詞頻網(wǎng)絡(luò)中心性測量及網(wǎng)絡(luò)結(jié)構(gòu)分析

如圖2所示，利用ROST CM軟件構(gòu)建了網(wǎng)購詞頻VNA矩陣，然后將其導(dǎo)入Ucinet社會網(wǎng)絡(luò)分析軟件，從而對該詞頻網(wǎng)絡(luò)的中心性進行測量，網(wǎng)購評論的網(wǎng)絡(luò)中心度為5517%，說明網(wǎng)絡(luò)的連接強度較好，網(wǎng)購評論描述關(guān)鍵詞彼此容易連通，形成復(fù)雜網(wǎng)絡(luò)。同時發(fā)現(xiàn) “衣服” “顏色”等詞的中心度最大，說明網(wǎng)購評論形成的網(wǎng)絡(luò)結(jié)構(gòu)中心就是這些高頻詞，其代表了網(wǎng)購的目標導(dǎo)向，即實用導(dǎo)向（“衣服”“口袋”等）、知覺體驗導(dǎo)向（“顏色”“滿意”等）、讓利導(dǎo)向（“物美價廉”“便宜”等）、享樂導(dǎo)向（“舒服”“超美”等）、社交導(dǎo)向（“同事”等）、情感交流導(dǎo)向（“送人”等），這些目標導(dǎo)向基本與前面文本挖掘的研究結(jié)果一致。

在此基礎(chǔ)上，需要進一步探索網(wǎng)購評論行為的基本結(jié)構(gòu)，以檢驗文本挖掘的結(jié)果。如圖3和圖4所示，利用Netdraw軟件對網(wǎng)購評論數(shù)據(jù)進行可視化挖掘。

首先，網(wǎng)購評論的中心活動是“衣服”，它是整個網(wǎng)絡(luò)的中心，網(wǎng)購者以它為中心逐步展開對價格、細節(jié)、配送、包裝等環(huán)節(jié)的描述，與之連接最緊密的是“圖片”“顏色”等關(guān)鍵詞，表明網(wǎng)購評論的描述中實用、體驗、知覺和社交導(dǎo)向是核心需求；其次，以這6個核心節(jié)點為源，逐步形成小世界網(wǎng)絡(luò)，其包含了忠誠、速度、推薦、炫耀、認同、分享等導(dǎo)向的網(wǎng)購評論網(wǎng)絡(luò)，屬于中等需求；最后，一些處于邊緣節(jié)點的評論雖然只有兩個左右的關(guān)系，但它們卻連通了所有的小網(wǎng)絡(luò)。由此，驗證了文本挖掘的研究結(jié)果，發(fā)現(xiàn)了網(wǎng)購評論的網(wǎng)絡(luò)呈現(xiàn)三度層次結(jié)構(gòu)，揭示了網(wǎng)購評論的結(jié)構(gòu)演化和目標導(dǎo)向的行為反應(yīng)特征。

322網(wǎng)購評論行為反應(yīng)演化過程及評價

上述研究基本理清了驅(qū)動網(wǎng)購評論的行為目標導(dǎo)向和行為反應(yīng)特征，如圖5所示，最后利用Ucinet對網(wǎng)購評論行為反應(yīng)的過程進行聚類分析和梳理，并簡要地評價了每個階段取得的成果。

如圖5所示，以聚類分析的結(jié)果為基礎(chǔ)，對網(wǎng)購評論行為反應(yīng)過程及成果評價做了如下梳理：第一階段，網(wǎng)購者出現(xiàn)以基本需求為導(dǎo)向的緊張、期待行為反應(yīng)，這主要通過關(guān)注品質(zhì)保證、知覺體驗、圖片細節(jié)展示與描述一致性、群體滿意度等線索，使網(wǎng)購者緊張的行為反應(yīng)得到緩解；第二階段，網(wǎng)購者上升到享樂目標為導(dǎo)向的愉悅感體驗行為反應(yīng)；第三階段，網(wǎng)購者進入到成本為導(dǎo)向的策略組合行為反應(yīng)，主要從配送速度、讓利水平、賣家態(tài)度等方面進行組合設(shè)計性價比最優(yōu)的決策，通常會出現(xiàn)焦慮、兩難的情緒反應(yīng)；第四階段，網(wǎng)購者進入談判策略運用為目標導(dǎo)向的行為決策反應(yīng)，通常會出現(xiàn)緊張、不安的情緒特征，但一般通過買賣雙方彼此交換條件、達成共識后可消減這種行為反應(yīng)；第五階段，網(wǎng)購者進入炫耀為目標導(dǎo)向的交易過程，一般會出現(xiàn)自豪感、成就感、愉悅感的行為反應(yīng)；第六階段，網(wǎng)購者進入購后評價階段，一般會伴隨真實體驗而出現(xiàn)恐懼感、愉悅感，甚至悲喜交加的行為反應(yīng)。

在這6個網(wǎng)購行為反應(yīng)階段，都有不同的行為結(jié)果出現(xiàn)，如第一階段的行為反應(yīng)促使網(wǎng)購者快速學(xué)習(xí)，明確需求；第二階段的積極情緒營造良好的網(wǎng)購情景，強化網(wǎng)購信心；第三階段的成本優(yōu)化行為反應(yīng)促使網(wǎng)購者理性思考，比較分析并確定最佳網(wǎng)購方案；第四階段的緊張行為反應(yīng)啟動優(yōu)勢談判策略，獲得最佳網(wǎng)購產(chǎn)品和服務(wù)質(zhì)量；第五階段的行為反應(yīng)讓網(wǎng)購者營造最佳的等待情景，回溯網(wǎng)購記憶，奠定分享基礎(chǔ)；第六階段的行為反應(yīng)使網(wǎng)購者用現(xiàn)實體驗評價網(wǎng)購決策效果和效率，積累網(wǎng)購經(jīng)驗，為持續(xù)忠誠行為奠定基礎(chǔ)。

4結(jié)論與討論

本研究利用文本挖掘技術(shù)和社會網(wǎng)絡(luò)分析方法對網(wǎng)購評論行為反應(yīng)模式進行了初步探索，獲得了如下結(jié)論：（1）驅(qū)動網(wǎng)購評論行為的主要因素由網(wǎng)購體驗、感覺與知覺等13個變量構(gòu)成；（2）發(fā)現(xiàn)網(wǎng)購評論的三大依存關(guān)系為核心依存、中間依存和邊緣依存關(guān)系；（3）網(wǎng)購目標導(dǎo)向體現(xiàn)為實用、享樂、速度、社交等，以及在其刺激下表現(xiàn)為愉悅感、恐懼感、行為忠誠等網(wǎng)購行為反應(yīng)；（4）網(wǎng)購評論行為反應(yīng)呈現(xiàn)6個主要過程及相應(yīng)轉(zhuǎn)化成果。

總之，本文以執(zhí)行意向理論為基礎(chǔ)，初步探索了網(wǎng)購行為反應(yīng)模式，獲得了一些重要成果。本研究也存在一些不足，例如研究主題的選擇比較單一，未能采集涵蓋大部分網(wǎng)購商品評論的數(shù)據(jù)，將來可嘗試多品類網(wǎng)購評論專題研究與綜合比較研究相結(jié)合的方法，進一步探索網(wǎng)購行為的動態(tài)演化機理。

參考文獻：

[1]岳中剛，王曉亞. 在線評論與消費者行為的研究進展與趨勢展望[J]. 軟科學(xué)，2015，6：90-93.

[2]Zuhal C， Cigdem B. The Impact of Consumer Ethnocentrism， Product Involvement， and Product Knowledge on Country of Origin Effects： An Empirical Analysis on Turkish Consumers Product Evaluation[J]. Journal of International Consumer Marketing，2014，26（4）： 284-310.

[3]李琪，梁妮. 在線評論中產(chǎn)品評論和服務(wù)評論的感知有用性差異研究[J]. 軟科學(xué)，2015，29（10）：106-109.

[4]李東進，吳波，李研. 遠程購物環(huán)境下退貨對購后后悔影響研究[J]. 南開管理評論，2013，5：77-89.

[5]馮芷艷，郭迅華，曾大軍，等. 大數(shù)據(jù)背景下商務(wù)管理研究若干前沿課題[J]. 管理科學(xué)學(xué)報，2013，1：1-9.

[6]郝媛媛，葉強，李一軍. 基于影評數(shù)據(jù)的在線評論有用性影響因素研究[J]. 管理科學(xué)學(xué)報，2010，8：78-88.

[7]Gollwitzer P M， Sheeran P. Self-regulation of Consumer Decision Making and Behavior： The Role of Implementation Intentions[J]. Journal of Consumer Psychology， 2009，19：593-607.

[8]Gollwitzer P M， Sheeran P. Implementation Intentions and Goal Achievement： A Meta-analysis of Effects and Processes[J]. Advances in Experimental Social Psychology，2006，38：69-119.

[9]宋培建，陳文波，曾慶豐，等. 基于目標導(dǎo)向行為視角的信息技術(shù)使用習(xí)慣形成研究[J]. 軟科學(xué)，2007，21（4）：9-12.

[10]王林，時勘，趙楊.行為執(zhí)行意向的理論觀點及其相關(guān)研究[J].心理科學(xué)，2014，7，37（4）：875-879.

[11]Wu H. Examining Students Online Interaction in A Live Video Streaming Environment Using Data Mining and Text Mining[J]. Computers in Human Behavior，2013，29（1）： 90-102.

[12]高照軍. 新興市場中創(chuàng)新行為通過網(wǎng)絡(luò)提升企業(yè)績效的機制研究[J]. 軟科學(xué)，2016，30（1）：5-8.

[13]馬紹奇，焦璨，張敏強. 社會網(wǎng)絡(luò)分析在心理研究中的應(yīng)用[J]. 心理科學(xué)進展，2011，5：755-764.

[14]劉挺，車萬翔，李正華. 語言技術(shù)平臺[J]. 中文信息學(xué)報，2011，6：53-62.

[15]和為，劉挺. 基于分析和生成的復(fù)述與SMT語料擴展[J]. 哈爾濱工業(yè)大學(xué)學(xué)報，2013，5：45-50.

（責(zé)任編輯：楊銳）