金加衛(wèi) 王占鳳 李玲玲

（巢湖學(xué)院，安徽 巢湖 238000）

基于主題劃分的在線評(píng)論影響力度量方法研究

金加衛(wèi) 王占鳳 李玲玲

（巢湖學(xué)院，安徽 巢湖 238000）

伴隨著網(wǎng)絡(luò)信息技術(shù)的飛速發(fā)展，消費(fèi)者更傾向于在互聯(lián)網(wǎng)上發(fā)表在線評(píng)論，這類評(píng)論對(duì)潛在消費(fèi)者購(gòu)買決策和企業(yè)市場(chǎng)推廣具有重要影響。文章分析互聯(lián)網(wǎng)在線評(píng)論影響力，遴選影響力指標(biāo)，借鑒主題劃分思想，構(gòu)建了基于主題劃分的在線評(píng)論影響力度量方法，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)社區(qū)在線評(píng)論影響力的有效度量，并采用大眾點(diǎn)評(píng)網(wǎng)實(shí)驗(yàn)數(shù)據(jù)檢驗(yàn)其合理性和可行性。

在線評(píng)論；主題劃分；影響力；大眾點(diǎn)評(píng)網(wǎng)

1 引言

在線評(píng)論（Online Review），又被稱作在線客戶評(píng)論，它作為在線口碑傳播最主要的一種形式，以文本形式為主對(duì)產(chǎn)品進(jìn)行評(píng)價(jià)，是消費(fèi)者通過(guò)互聯(lián)網(wǎng)提交的對(duì)產(chǎn)品或者公司的評(píng)論信息[1]。隨著電子商務(wù)在國(guó)民經(jīng)濟(jì)中的比重越來(lái)越大，消費(fèi)者采用互聯(lián)網(wǎng)搜尋產(chǎn)品信息、了解他人對(duì)產(chǎn)品的感知、制定購(gòu)物決策以及發(fā)布自己的體驗(yàn)已經(jīng)成為商務(wù)新模式。而當(dāng)前像豆瓣網(wǎng)、大眾點(diǎn)評(píng)網(wǎng)等在線評(píng)論網(wǎng)站的異軍突起，更催生了在線評(píng)論的發(fā)展。因此，在線評(píng)論作為傳統(tǒng)口碑信息的新形式，在當(dāng)前環(huán)境下的消費(fèi)者決策中正在扮演一個(gè)重要的角色[2]；并已成為消費(fèi)者獲取產(chǎn)品質(zhì)量信息的重要來(lái)源，也是互聯(lián)網(wǎng)環(huán)境下對(duì)傳統(tǒng)方式的替代和重要補(bǔ)充[3]。

相關(guān)研究指出，在網(wǎng)絡(luò)社區(qū)中，消費(fèi)者更易受到影響力較大的在線評(píng)論及其用戶的影響，因此如何獲取影響力較大的在線評(píng)論及其用戶一直都是相關(guān)學(xué)者重點(diǎn)研究的領(lǐng)域。在線評(píng)論影響力受很多因素影響，這些因素大致可分為三類[4]：一是在線評(píng)論源相關(guān)因素，如網(wǎng)站可信度、評(píng)論人專業(yè)能力、評(píng)論人可靠性等；二是在線評(píng)論自身因素，如在線評(píng)論質(zhì)量、在線評(píng)論數(shù)量、在線評(píng)論效用等；三是在線評(píng)論接收人特征方面因素，如接收人的專業(yè)能力、接收人的產(chǎn)品涉入度、接收人的感知風(fēng)險(xiǎn)和信任傾向等。上述研究都只側(cè)重在線評(píng)論影響力的定性層面，未采用定量方法對(duì)其進(jìn)行度量。

蔡淑琴等人[5]提出用RFMS模型來(lái)測(cè)量在線評(píng)論發(fā)布者的影響力，以程度中心性來(lái)評(píng)估識(shí)別結(jié)果的有效性。Cha等人[6]為了度量Twitter中個(gè)體影響力，分別計(jì)算了關(guān)注網(wǎng)絡(luò)、轉(zhuǎn)發(fā)網(wǎng)絡(luò)、提及網(wǎng)絡(luò)的點(diǎn)中心度。Pal等人[7]在數(shù)據(jù)集上考慮了在線用戶的發(fā)帖數(shù)、回復(fù)數(shù)、被轉(zhuǎn)發(fā)數(shù)、被提及數(shù)和粉絲數(shù)目，分別計(jì)算在線用戶的轉(zhuǎn)發(fā)影響力、被提及影響力和擴(kuò)散影響力等。文獻(xiàn)[8-11]主要考慮在線用戶的粉絲數(shù)、粉絲質(zhì)量及其轉(zhuǎn)發(fā)數(shù)與回復(fù)數(shù)等參數(shù)，利用PageRank算法和用戶行為權(quán)值的方法進(jìn)行在線用戶影響力計(jì)算。

但上述研究未進(jìn)一步考慮在線評(píng)論的跨主題性，鑒于此，本文研究基于主題劃分的在線評(píng)論影響力度量方法。通過(guò)引入主題劃分KNN模型，并對(duì)其進(jìn)行擴(kuò)展，結(jié)合在線評(píng)論自身特點(diǎn)，把網(wǎng)絡(luò)社區(qū)按照主題進(jìn)行劃分；并在前人影響力評(píng)價(jià)指標(biāo)研究基礎(chǔ)上增加新的指標(biāo)度量在線評(píng)論及其用戶影響力。相比于傳統(tǒng)方法，本文方法充分考慮了在線評(píng)論的跨主題性特點(diǎn)，使得在線評(píng)論在各主題的影響力計(jì)算具有更強(qiáng)的實(shí)用性。最后采用國(guó)內(nèi)專業(yè)點(diǎn)評(píng)類網(wǎng)站 （大眾點(diǎn)評(píng)網(wǎng)，www.dianping.com）的數(shù)據(jù)進(jìn)行了驗(yàn)證。本文旨在能夠豐富在線評(píng)論研究理論，同時(shí)給國(guó)內(nèi)企業(yè)實(shí)時(shí)監(jiān)控和管理在線評(píng)論傳播提供一種方法。

2 在線評(píng)論影響力計(jì)算指標(biāo)

現(xiàn)有研究[8-10]主要針對(duì)在線用戶，且沒(méi)有對(duì)在線評(píng)論內(nèi)容進(jìn)行主題劃分，因此，現(xiàn)有研究對(duì)于在線評(píng)論影響力計(jì)算存在以下問(wèn)題：

問(wèn)題1 影響力計(jì)算的指標(biāo)選擇問(wèn)題

現(xiàn)有研究中在線評(píng)論用戶的影響力主要從以下幾個(gè)方面進(jìn)行度量，如表1所示：

表1 現(xiàn)有研究在線評(píng)論影響力指標(biāo)匯總

用戶影響力本質(zhì)上是用戶間的相互作用，而用戶間的相互作用除了通過(guò)在線評(píng)論數(shù)、被轉(zhuǎn)發(fā)數(shù)、被回復(fù)數(shù)考量外，還能夠通過(guò)發(fā)表評(píng)論人的總在線時(shí)間及注冊(cè)時(shí)間比值、評(píng)論文本質(zhì)量、評(píng)論人等級(jí)等指標(biāo)反映。

問(wèn)題2 在線評(píng)論用戶跨主題性問(wèn)題

在網(wǎng)絡(luò)社區(qū)注冊(cè)的同時(shí)，用戶可選擇自己所感興趣的主題，其發(fā)布的在線評(píng)論能夠跨越多個(gè)主題，而不局限于其從事的行業(yè)。但是傳統(tǒng)的度量方法將所有在線評(píng)論均歸類為用戶所從事的主題，沒(méi)有考慮在線評(píng)論的跨主題性，因此干擾了在線評(píng)論用戶在不同主題影響力的計(jì)算。

為了解決上述問(wèn)題，本文做了以下兩方面工作：

1）增加在線評(píng)論用戶總在線時(shí)間與注冊(cè)時(shí)間比值、在線評(píng)論在所屬主題的影響力、用戶在各主題的在線評(píng)論數(shù)量、評(píng)論文本質(zhì)量、評(píng)論人等級(jí)5個(gè)指標(biāo)。見(jiàn)表2：

表2 在線評(píng)論影響力增加指標(biāo)匯總

2）對(duì)在線評(píng)論所涉及的主題進(jìn)行分類，解決在線評(píng)論用戶跨主題問(wèn)題。運(yùn)用基于KNN的主題分類算法對(duì)用戶的在線評(píng)論內(nèi)容進(jìn)行分類，將其分配到相似度最大的主題中，從而將所有的在線評(píng)論根據(jù)主題劃分為若干個(gè)子集，解決了在線評(píng)論跨主題性問(wèn)題。

3 模型建立

3.1 總體思想

用戶在網(wǎng)絡(luò)社區(qū)里發(fā)表在線評(píng)論，其影響力取決于他所發(fā)出的所有在線評(píng)論受到其他評(píng)論人的關(guān)注程度，因此計(jì)算用戶影響力的前提是分別計(jì)算他在所有主題區(qū)發(fā)表的在線評(píng)論的影響力。運(yùn)用主題分類算法對(duì)在線評(píng)論用戶所涉及的主題進(jìn)行劃分，并對(duì)在線評(píng)論用戶各指標(biāo)進(jìn)行量化，代入計(jì)算公式得到在線評(píng)論用戶影響力。

本文將所有在線評(píng)論用戶指標(biāo)分為以下兩部分：在線評(píng)論用戶集A和在線評(píng)論集C，其中，

A＝ {A1，A2，…，Ai，…，Am}，Ai為第 i個(gè)用戶，m為所有在線評(píng)論用戶的數(shù)量；

Cij＝為Ai在主題Bj發(fā)表的在線評(píng)論集合。

基于主題劃分的在線評(píng)論用戶影響力計(jì)算方法共有4個(gè)基本步驟：

步驟1獲取在線評(píng)論用戶信息。通過(guò)評(píng)論采集軟件（網(wǎng)絡(luò)神采），得到在線評(píng)論用戶集A及其每個(gè)在線評(píng)論用戶的在線評(píng)論集C。

步驟2通過(guò)KNN分類算法對(duì)用戶AR在線評(píng)論集合中的每篇在線評(píng)論進(jìn)行主題分類。并確定在線評(píng)論的所屬主題Bj。

步驟3計(jì)算在線評(píng)論在所屬主題Bj的影響力I（）。通過(guò)在線評(píng)論的被轉(zhuǎn)發(fā)數(shù)D、被回復(fù)數(shù)E、在線評(píng)論文本質(zhì)量H、評(píng)論人等級(jí)A計(jì)算得到在線評(píng)論在主題Bj的影響力I（）。

3.2 具體度量模型

問(wèn)題描述：在某段時(shí)間內(nèi)，某網(wǎng)絡(luò)社區(qū)中共有m個(gè)人發(fā)表在線評(píng)論，其集合記為

A＝ {A1，A2，…，Ai，…，Am}，Ai為第 i個(gè)用戶。

按KNN算法將此網(wǎng)絡(luò)社區(qū)劃分為

B＝ {B1，B2，…，Bi，…，Bn}n個(gè)主題區(qū)域。

設(shè)評(píng)論人Ai的等級(jí)為Ai1，故所有評(píng)論人的等級(jí)為集合

設(shè)評(píng)論人Ai的總在線時(shí)間集合為

T= {T1，T2，…，Ti，…，Tm}；

設(shè)評(píng)論人Ai的注冊(cè)時(shí)間集合為

t= {t1，t2，…，ti，…，tm}；故評(píng)論人Ai的總在線時(shí)間和注冊(cè)時(shí)間比值為

設(shè)評(píng)論人Ai在Bj主題里發(fā)表的所有評(píng)論記為 Cij＝

同理，把評(píng)論集合Cij的被轉(zhuǎn)發(fā)數(shù)記為

記評(píng)論集合Cij的被回復(fù)數(shù)為

記評(píng)論集合Cij的關(guān)鍵詞為

記評(píng)論集合Cij的字?jǐn)?shù)為

在線評(píng)論集合Cijr的質(zhì)量記為

為了清晰地描述在線評(píng)論影響力與各指標(biāo)之間的內(nèi)在關(guān)系，這里把評(píng)論人Ai在主題Bj中發(fā)表的n條在線評(píng)論：

Cij＝ {Cij1，Cij2，…，Cijr，…，Cijn}各屬性指標(biāo)進(jìn)行歸納總結(jié)，以確定在線評(píng)論影響力各指標(biāo)之間的關(guān)系，見(jiàn)表3所示。

表3 在線評(píng)論影響力指標(biāo)對(duì)應(yīng)表

上述定義中的在線評(píng)論數(shù)、被轉(zhuǎn)發(fā)數(shù)、被回復(fù)數(shù)能夠直接得到，這里需要對(duì)評(píng)論人等級(jí)和在線評(píng)論文本質(zhì)量?jī)蓚€(gè)指標(biāo)做詳細(xì)說(shuō)明。

在對(duì)幾個(gè)訪問(wèn)量較大的網(wǎng)絡(luò)社區(qū)的評(píng)論人等級(jí)分析后發(fā)現(xiàn)，評(píng)論人的等級(jí)大體可以概括為以 下 五 種 形 式 ：A（A1，A2， … ，An）、B（B1，B2， … ，An）、C（C1，C2，…，Cn）、D（D1，D2，…，Dn）、E（E1，E2，…，En）。

通常等級(jí)高的用戶發(fā)表的在線評(píng)論由于其描述內(nèi)容詳細(xì)專業(yè)，更具有說(shuō)服力，更能獲得其他評(píng)論者的積極響應(yīng)。為便于計(jì)算，對(duì)評(píng)論人的等級(jí)利用專家打分法進(jìn)行賦值量化，A至E的取值分別為：0.2，0.4，0.6，0.8，1.0。

對(duì)于在線評(píng)論文本質(zhì)量，文獻(xiàn)［12］指出抽取文本中的關(guān)鍵詞個(gè)數(shù)、文本字?jǐn)?shù)以反映其影響力。通常，高影響力的評(píng)論包含豐富的產(chǎn)品使用過(guò)程、體驗(yàn)和感受等信息，能體現(xiàn)評(píng)論人感知產(chǎn)品真實(shí)屬性的水平，且文本內(nèi)容組織合理，邏輯嚴(yán)密、容易得到他人的認(rèn)同；反之，低影響力的評(píng)論由于內(nèi)容組織零散，邏輯性差，缺乏論證說(shuō)服力，不易得到其他用戶積極響應(yīng)。那日薩、李媛[13]在分析在線客戶評(píng)論時(shí)，利用客戶的情緒、特征、評(píng)價(jià)、感知等關(guān)鍵詞，獲得消費(fèi)者在線評(píng)論的態(tài)度情感傾向計(jì)算模型；主要思想是把評(píng)論文本中的關(guān)鍵詞（涉及產(chǎn)品的質(zhì)量?jī)?yōu)劣、價(jià)格高低、性能好壞、消費(fèi)者情感傾向等）個(gè)數(shù)、文本字?jǐn)?shù)作為度量文本質(zhì)量的關(guān)鍵指標(biāo)。如在大眾點(diǎn)評(píng)網(wǎng)的酒店評(píng)論專區(qū)，客戶的在線評(píng)論如下：“房間比較大！地理位置不錯(cuò)。但是上樓電梯較差。前臺(tái)接待態(tài)度不怎么樣。問(wèn)網(wǎng)上訂有沒(méi)有優(yōu)惠，告知網(wǎng)上訂不了房，只有一個(gè)商務(wù)間，收了我193，結(jié)果上樓后網(wǎng)上發(fā)現(xiàn)還有100左右的。不誠(chéng)信！”可得此在線評(píng)論關(guān)鍵詞數(shù)為6，文本字?jǐn)?shù)為83。

如何依據(jù)關(guān)鍵詞數(shù)量和文本字?jǐn)?shù)來(lái)度量評(píng)論文本質(zhì)量，本文采用權(quán)重比例系數(shù)方法來(lái)分配這兩類指標(biāo)的權(quán)重，具體計(jì)算過(guò)程如下：在線評(píng)論文本質(zhì)量可表示為p2為權(quán)重。其中p1+p2=1。式中p1、p2表示評(píng)論文本關(guān)鍵詞數(shù)和文本字?jǐn)?shù)所占權(quán)重；分別表示關(guān)鍵詞個(gè)數(shù)和字?jǐn)?shù)，由專家打分法對(duì)p1、 p2賦權(quán)重得到，p1=0.6， p2=0.4。

文獻(xiàn)[14]提出微博內(nèi)容在所屬領(lǐng)域的權(quán)重主要由該微博內(nèi)容與所屬領(lǐng)域的相關(guān)度、被評(píng)論數(shù)、轉(zhuǎn)發(fā)數(shù)決定?；谝陨纤惴ǜ倪M(jìn)，在線評(píng)論在所屬主題的影響力計(jì)算公式為：

其中 λ1，λ2為調(diào)節(jié)因子。 （1）

文獻(xiàn)[15]提出的話題熱度計(jì)算公式與本文的用戶影響力的計(jì)算具有相似之處，該方法的研究對(duì)象為多條微博，且均考慮了被評(píng)論數(shù)，被回復(fù)數(shù)，時(shí)間比值等指標(biāo)?；谝陨纤惴ǜ倪M(jìn)，在線評(píng)論用戶在網(wǎng)絡(luò)社區(qū)影響力的計(jì)算公式為：

其中 λ3為調(diào)節(jié)因子。 （2）

4 實(shí)驗(yàn)

研究以大眾點(diǎn)評(píng)網(wǎng)為實(shí)驗(yàn)平臺(tái)，大眾點(diǎn)評(píng)網(wǎng)官網(wǎng)把評(píng)論內(nèi)容分為若干個(gè)主題（美食、電影、酒店、休閑娛樂(lè)、外賣、火鍋、麗人、周邊游、KTV和生活服務(wù)等），符合主題劃分思想。為便于討論，利用在線評(píng)論采集軟件 “網(wǎng)絡(luò)神采”重點(diǎn)將前3個(gè)主題（美食、電影和酒店）中的10位常見(jiàn)網(wǎng)絡(luò)用戶的相關(guān)評(píng)論信息搜集到一起，實(shí)驗(yàn)數(shù)據(jù)采集時(shí)間跨度為6個(gè)月（2016.7.1—2017.1.1），從中獲取各個(gè)相關(guān)屬性指標(biāo)，并把相關(guān)屬性指標(biāo)量化。

1）首先將10個(gè)評(píng)論人在3個(gè)主題的所有評(píng)論指標(biāo)匯總，建立如下表格：

表4 大眾點(diǎn)評(píng)網(wǎng)某時(shí)間段十個(gè)評(píng)論人的屬性指標(biāo)匯總

2）將評(píng)論人的評(píng)論信息按照3個(gè)主題分別建立表格。限于文章篇幅，這里只列舉“l(fā)elolu、吉吉狗狗、貓咪家”3個(gè)評(píng)論人分主題的評(píng)論信息，表格如下：

表5 “l(fā)elolu、吉吉狗狗、貓咪家”分主題評(píng)論信息匯總表

利用公式（1）和（2）對(duì)以上兩個(gè)表格中屬性指標(biāo)進(jìn)行計(jì)算得到這十個(gè)評(píng)論人的分主題影響力和匯總影響力，計(jì)算結(jié)果如表6和表7所示：

表6 評(píng)論人分主題影響力大小（結(jié)果保留整數(shù)）

表7 評(píng)論人在大眾點(diǎn)評(píng)網(wǎng)的影響力大?。ńY(jié)果保留整數(shù)）

實(shí)驗(yàn)結(jié)果分析：從表7可知這十個(gè)評(píng)論人的影響力從大到小依次是“雨巷0322、lelolu、貓咪家、眼淚笑8181、滾筒洗衣機(jī)君、春天花花家家、Shenxintong、Hfutjcd、吉吉狗狗、執(zhí)念 6064。 但從表6也知評(píng)論人在分主題中的影響力不是嚴(yán)格按照表7的大小進(jìn)行排序，例如按照總影響力排序，“雨巷0322”大于“貓咪家”，但是在酒店主題區(qū)的影響力，“貓咪家”大于“雨巷0322”。故評(píng)論人在不同主題的影響力大小排序并不一定和總影響力排序完全一致。因此，潛在消費(fèi)者和相關(guān)企業(yè)在考慮在線評(píng)論的影響力時(shí)，既要考慮用戶總的影響力，也要對(duì)不同主題進(jìn)行區(qū)別對(duì)待。這樣潛在消費(fèi)者才能有的放矢，得到更加精準(zhǔn)的產(chǎn)品評(píng)論和購(gòu)物決策信息；企業(yè)也能夠針對(duì)不同主題對(duì)產(chǎn)品的各個(gè)性能參數(shù)和服務(wù)質(zhì)量做出改進(jìn)，為企業(yè)贏得口碑，提高其經(jīng)營(yíng)效益。

5 結(jié)語(yǔ)

文章通過(guò)分析網(wǎng)絡(luò)社區(qū)里評(píng)論人所發(fā)在線評(píng)論的相關(guān)屬性指標(biāo)，得到評(píng)論人影響力計(jì)算指標(biāo)：評(píng)論人等級(jí)、總在線時(shí)間和注冊(cè)時(shí)間比值、評(píng)論文本數(shù)量、關(guān)鍵詞個(gè)數(shù)、文本字?jǐn)?shù)、被轉(zhuǎn)發(fā)數(shù)、在線評(píng)論回復(fù)數(shù)、被轉(zhuǎn)發(fā)數(shù)等，并且綜合這些指標(biāo)得到度量在線評(píng)論影響力的計(jì)算方法，最后通過(guò)實(shí)例驗(yàn)證了此度量方法的合理性和可行性。進(jìn)一步的研究工作可以細(xì)化這些指標(biāo)，努力把上述度量方法擴(kuò)充得更加完美，為實(shí)際度量網(wǎng)絡(luò)社區(qū)在線評(píng)論影響力打下更堅(jiān)實(shí)的理論基礎(chǔ)，更加利于潛在消費(fèi)者和企業(yè)做出科學(xué)決策。

參考文獻(xiàn)：

[1]HENNIG-THURAU T，GWINNER K P，WALSH G，et a1.Electronic word-of-mouth via consumer-opinion platform:what motivates consumers to articulate themselves on the internet[J].Journal of Interactive Marketing，2004，（1）:38-52.

[2]CHEN Y B，XIE J H.Online consumer review:word of mouth as a new element of marketing communication mix[J].Management Science，2008，（3）:477-491.

[3]CHEVALIER J A，MAYZLIN D.The effect of word of mouthon sales:Online book reviews[J].Journal of Marketing Research，2006，（3）:345-354.

[4]HOVLAND C I，JANIS I L，KELLEY H H.Communication and persuasion[M].New Haven:Yale University Press，1953.

[5]蔡淑琴，馬玉濤，王瑞.在線口碑傳播的意見(jiàn)領(lǐng)袖識(shí)別方法研究[J].中國(guó)管理科學(xué)，2013，（2）:185-192.

[6]CHA M，HADDADI H，BENEVENUTO F，et al.Measuring user influence in twitter:the million follower fallacy[J].Berlin:Springer，2010:11-13.

[7]SWEENEY J C，SOUTRA G N，MAZZAROL T.Word of mouth:measuring the power of individual messages[J].European Journal of Marketing，2012，（1）:237-257.

[8]劉耀庭.社交網(wǎng)絡(luò)結(jié)構(gòu)研究[D].杭州:浙江大學(xué)，2008:19.

[9]YAMAGUCHI Y，TAKAHASHI T，AMAGASA T，et al.TURank:twitter user ranking based on user-tweet graph analysis[J].LNCS，2010，6488:240-253.

[10]BAKSHY E，HOFMAN J M，MASON W A，et al.Everyone’s an influencer:quantifying influence on twitter[J].WSDM 2011.New York:ACM，2011:65-74.

[11]肖宇，許煒，商召璽.微博用戶區(qū)域影響力識(shí)別算法及分析[J].計(jì)算機(jī)科學(xué)，2012，（9）:38-42.

[12]郭巖，劉春陽(yáng)，余智華，等.網(wǎng)絡(luò)輿情信息源影響力的評(píng)估研究[J].中文信息學(xué)報(bào)，2011，（3）:64-71.

[13]那日薩，李媛.基于在線評(píng)論的消費(fèi)者模糊情感計(jì)算與推理[J].情報(bào)學(xué)報(bào)，2011，（4）:417-423.

[14]孫勝平.中文微博客熱點(diǎn)話題檢測(cè)與跟蹤技術(shù)研究[D].北京:北京交通大學(xué)，2011:41.

[15]許志凱.網(wǎng)絡(luò)輿情分析關(guān)鍵技術(shù)的研究與實(shí)現(xiàn)[D].哈爾濱:哈爾濱工業(yè)大學(xué)，2011:32.

THE RESEARCH ON THE MEASUREMENT METHOD OF THE INFLUENCE OF ONLINE REVIEW BASED ON SUBJECT DIVISION

JIN Jia-weiWANG Zhan-feng LI Ling-ling
（Chaohu College， Chaohu Anhui 238000）

With the rapid development of network and communication technology,consumers are more inclined to issue their online review on Internet.The review has an important impact on the purchase decision-making of potential consumers and marketing promotion of enterprises.This paper analyzes the influence of the online review on Internet,selects the influence indexes,and learns from the idea of subject division.Thus,it builds the method of measuring online review influence based on subject division,achieving effective evaluation of online community review influence.And the public comment network data is used to test its rationality and feasibility.

Online review；Subject division；Influence；Public comment network

TP393

A

：1672-2868（2017）03-0035-07

責(zé)任編輯：陳 侃

2017-03-04

巢湖學(xué)院校級(jí)科研項(xiàng)目（項(xiàng)目編號(hào)：XLY-201613）；巢湖學(xué)院校級(jí)科研項(xiàng)目（項(xiàng)目編號(hào)：XLY-201407）

金加衛(wèi)（1986-），男，安徽鳳陽(yáng)人。巢湖學(xué)院信息工程學(xué)院，助教。研究方向：電子商務(wù)。