王倩倩

〔摘要〕國內(nèi)隨著2004年網(wǎng)購的興起，研究在線商品評論的文章開始逐年增多，本研究嘗試?yán)梦墨I(xiàn)計(jì)量學(xué)的方法對國內(nèi)在線商品評論的學(xué)術(shù)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，以探尋該領(lǐng)域的研究熱點(diǎn)。以CNKI期刊全文數(shù)據(jù)庫為數(shù)據(jù)來源，以BlueMC和SPSS軟件為工具，對國內(nèi)在線評論文獻(xiàn)的關(guān)鍵詞，通過詞云圖聚類和共詞分析探索研究熱點(diǎn)。提煉出在線評論研究的4個基本分析單元：內(nèi)容、技術(shù)、用戶、應(yīng)用；五大研究熱點(diǎn)：口碑傳播效應(yīng)、信息服務(wù)與使用、口碑傳播心理、信息質(zhì)量評估和知識挖掘與發(fā)現(xiàn)；以及三大研究層面：形態(tài)層面、受眾層面和效果層面，為把握在線評論的研究現(xiàn)狀和相關(guān)內(nèi)容的進(jìn)一步研究奠定了基礎(chǔ)。

〔關(guān)鍵詞〕在線評論；共詞分析；聚類分析；文獻(xiàn)計(jì)量

DOI：10.3969j.issn.1008-0821.2017.10.026

〔中圖分類號〕F71336〔文獻(xiàn)標(biāo)識碼〕A〔文章編號〕1008-0821（2017）10-0158-07

〔Abstract〕With the rise of online shopping in 2004，the articles of online reviews began to increase year by year.This study tried to use the method of literature metrology to explore the research hotspots in the field of online reviews in China.This study used CNKI periodical full text database as the data source，used BlueMC and SPSS software as tools，and used clustering and co-word analysis method to explore research hotspots.The paper extracted four unit-of-analysis（content，users，technology，application）；five research hotspots（word-of-mouth effect，information services and use，word-of-mouth psychology，information quality evaluation and discovery and knowledge mining）；three main research aspects（morphology level，audience level and effect level）.This research could lay the foundation for understanding the research status of online reviews and studying the related content in the future.

〔Key words〕online reviews；co-word analysis；clustering analysis；bibliometrics

在線商品評論（Online Reviews）是網(wǎng)絡(luò)口碑的一種，是Web20時代人們在網(wǎng)絡(luò)上針對所購買的商品發(fā)表的意見、看法的文字性陳述，評論內(nèi)容能夠?yàn)槠渌M(fèi)者的購買決定提供參考，同時也為商家改進(jìn)商品、收集消費(fèi)者偏好提供依據(jù)。隨著2004年網(wǎng)購的興起，研究在線商品評論的文章從2006年的僅僅幾篇開始逐年增多，到2017年在線產(chǎn)品評論的研究已經(jīng)和數(shù)據(jù)挖掘、情感分析、用戶心理學(xué)、自然語言處理、語義分析等內(nèi)容結(jié)合在一起，成為了交叉型、復(fù)雜型的研究領(lǐng)域，研究融合趨勢日趨明顯。近年來，一些學(xué)者嘗試?yán)梦墨I(xiàn)計(jì)量學(xué)的方法對該領(lǐng)域的學(xué)術(shù)文獻(xiàn)進(jìn)行統(tǒng)計(jì)分析，然而這些研究的關(guān)注點(diǎn)主要集中在論文的發(fā)表時間、期刊、主題[1]、作者關(guān)系、文獻(xiàn)互引[2]等外部信息方面，或是針對外國口碑傳播研究熱點(diǎn)的分析[3]，缺少深入探討國內(nèi)在線商品評論文獻(xiàn)的研究熱點(diǎn)此類的內(nèi)在信息。

本研究采用詞云圖聚類和共詞分析法，通過對國內(nèi)在線商品評論領(lǐng)域文獻(xiàn)中的高頻關(guān)鍵詞進(jìn)行分析，然后得出共詞矩陣，繪制網(wǎng)絡(luò)圖，用各節(jié)點(diǎn)之間的距離來反映文獻(xiàn)中主題內(nèi)容的親疏關(guān)系，進(jìn)而系統(tǒng)的揭示其研究結(jié)構(gòu)、研究維度和理論基礎(chǔ)，以期進(jìn)一步把握國內(nèi)在線商品評論的研究現(xiàn)狀、研究重點(diǎn)和發(fā)展方向。該方法與共被引分析法相比，共被引分析法是通過分析以往發(fā)表論文的被引情況來探究人們目前關(guān)注的焦點(diǎn)，研究的文獻(xiàn)已形成比較固定的學(xué)術(shù)流派；而共詞分析法關(guān)注的是文獻(xiàn)中的研究主題，比較適合尋找新興學(xué)科的范式，因?yàn)樾屡d學(xué)科研究者分布廣泛，作品內(nèi)容比較分散，被引情況也不穩(wěn)定。因此采用共詞分析法比較適合自2004年網(wǎng)購大量興起才建立的在線商品評論研究領(lǐng)域，該方法對于關(guān)鍵詞和主題詞的分析能夠很好地表現(xiàn)該學(xué)科領(lǐng)域的研究熱點(diǎn)和發(fā)展方向。

1詞云圖分析

盡管在線商品評論的研究有著強(qiáng)烈的跨學(xué)科、跨領(lǐng)域的特性，但許多研究的重心和焦點(diǎn)可能是學(xué)者們共同關(guān)注的。筆者從收集到的文獻(xiàn)中提取了674個關(guān)鍵詞，通過對關(guān)鍵詞的清洗和預(yù)處理，最終確定了510個關(guān)鍵詞作為分析基礎(chǔ)。通過BlueMC在線數(shù)據(jù)分析軟件[4]，將510個關(guān)鍵詞取TOP100，擬通過關(guān)鍵詞的聚類分析挖掘網(wǎng)絡(luò)商品評論研究的重點(diǎn)，繪制的標(biāo)簽云團(tuán)如圖1所示。

筆者分析這些關(guān)鍵詞后發(fā)現(xiàn)，盡管不同學(xué)科的學(xué)者從不同角度、不同理論和不同方法對國內(nèi)在線評論進(jìn)行了研究，但是基本的研究單元卻非常穩(wěn)固，結(jié)合在線評論研究的關(guān)鍵詞云圖，筆者將分析單元?dú)w為以下4類：

1）內(nèi)容單元，即與在線評論密切相關(guān)的概念和內(nèi)容。例如，網(wǎng)絡(luò)評論、在線評論、正面口碑、負(fù)面口碑、口碑效應(yīng)、口碑傳播等，主要研究在線評論背景的出現(xiàn)，在線評論的類型以及在線評論的內(nèi)容傳播。endprint

2）技術(shù)單元，即分析在線評論所用到的技術(shù)、方法和軟件系統(tǒng)等。例如，數(shù)據(jù)挖掘、特征抽取、關(guān)聯(lián)分析、知識分類、文本挖掘、情感計(jì)算等，主要是對在線評論研究中用到的具體方法或者算法的改進(jìn)和滲透。

3）用戶單元，即在線評論所連接的兩類用戶的行為和態(tài)度，一是消費(fèi)者，一是商家。例如，消費(fèi)者滿意度、個性化推薦、評論動機(jī)、垃圾評論預(yù)測、消費(fèi)者偏好、意見領(lǐng)袖等。主要研究消費(fèi)者的滿意行為、發(fā)表評論的行為或者動機(jī)以及商家的營銷行為等。

4）應(yīng)用單元，即基于在線評論的利用價值分析或高效率應(yīng)用分析。例如，社會網(wǎng)絡(luò)、觀點(diǎn)挖掘、投票打分、評論排序、自動摘要、社會化媒體等關(guān)鍵詞。主要研究如何更好地利用在線評論的信息為潛在消費(fèi)者、商家或者社會服務(wù)。

2高頻詞共詞分析

共詞分析（Co-word Analysis）是通過對同一篇文獻(xiàn)中出現(xiàn)的詞匯、短語或者反映文獻(xiàn)主題內(nèi)容的關(guān)鍵詞進(jìn)行統(tǒng)計(jì)分析，研究文獻(xiàn)內(nèi)在聯(lián)系和科學(xué)結(jié)構(gòu)。一般認(rèn)為詞匯在同一篇文章中出現(xiàn)的次數(shù)越多，這兩者之前的關(guān)系就越為緊密。由此可以分析主題詞兩兩在文章之間同時出現(xiàn)的頻率，在共詞頻率的基礎(chǔ)上再把眾多關(guān)鍵詞之間的共詞網(wǎng)絡(luò)關(guān)系簡化為樹狀圖直觀的表示出來，通過圖可以很清楚地觀察出每一領(lǐng)域分支的組成。

21數(shù)據(jù)源與預(yù)處理

本文為了收集有關(guān)在線商品評論學(xué)術(shù)期刊論文的關(guān)鍵詞，選取了CNKI數(shù)據(jù)庫中期刊索引里2008-2017年最近10年的所有相關(guān)的文獻(xiàn)題錄，共檢索到文獻(xiàn)523篇。剔除不相關(guān)的文章，得到文獻(xiàn)446篇，獲得原始關(guān)鍵詞約2 011個，選擇詞頻不低于10次的關(guān)鍵詞共37個。其中“在線評論”出現(xiàn)的頻率最高，約為178次，但鑒于“在線評論”與本研究的內(nèi)容完全重合，在共詞分析中難以發(fā)揮作用，予以舍棄。

22高頻詞共詞矩陣數(shù)據(jù)

剩余36個關(guān)鍵詞進(jìn)行兩兩共詞檢索，統(tǒng)計(jì)它們同時出現(xiàn)的頻率，形成一個36×36的共詞頻次矩陣，部分?jǐn)?shù)據(jù)（前15組）如圖2所示：

該矩陣為對稱矩陣，對角線的數(shù)據(jù)定義為缺失，非對角線上數(shù)據(jù)為兩個關(guān)鍵詞共同出現(xiàn)的次數(shù)。比如，“口碑營銷”與“情感傾向”的共詞頻次為28，表示有28篇論文同時使用了這兩個關(guān)鍵詞。

23 聚類分析

本文以SPSS21為統(tǒng)計(jì)分析工具，采用系統(tǒng)聚類的分析方法對在線商品評論論文的關(guān)鍵詞進(jìn)行分析，方法選擇Ward方法，以反映出該領(lǐng)域的研究熱點(diǎn)和研究結(jié)構(gòu)。在聚類分析的基礎(chǔ)上繪制出樹狀圖，描述各關(guān)鍵詞之前的相關(guān)性和與外部的聯(lián)系，范圍選擇3～8。 得出的結(jié)果如圖3所示。

經(jīng)過高頻詞聚類分析確定聚類結(jié)果為5類，綜合考慮每一類各關(guān)鍵詞的性質(zhì)，分別命名為：口碑傳播效應(yīng)、信息服務(wù)與使用、口碑傳播心理、信息質(zhì)量評估、知識挖掘與發(fā)現(xiàn)。這些類別代表了國內(nèi)在線商品評論的主要研究結(jié)構(gòu)，具體如表1所示：

3結(jié)果分析

通過上文的聚類分析結(jié)果，下面筆者將結(jié)合相關(guān)文獻(xiàn)的具體內(nèi)容對這5類的主要內(nèi)容進(jìn)行分析和闡述。

31熱點(diǎn)一：口碑傳播效應(yīng)

口碑傳播效應(yīng)是指口碑的傳播和接受所引起的消費(fèi)者心理、行為反應(yīng)以及由此產(chǎn)生的口碑營銷等問題。21世紀(jì)以后，隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，以及各大電商網(wǎng)站客戶反饋系統(tǒng)和信譽(yù)平臺的建立，以網(wǎng)絡(luò)為載體評論飛速增長，為產(chǎn)品的銷售和企業(yè)的形象帶來了前所未有的影響。消費(fèi)者自身的消費(fèi)經(jīng)歷和體驗(yàn)，導(dǎo)致了最初在線評論的產(chǎn)生，可以幫助其他買家購物決策，也可以幫助賣家根據(jù)消費(fèi)者的評價調(diào)整自己的營銷傳播策略。

正負(fù)面?zhèn)鞑バ?yīng)。對于個人而言，促使他們傳播正面口碑的一個主要心理動機(jī)是，通過展現(xiàn)他們不同凡響的購買選擇或者無私地與他人分享自己的專業(yè)知識，以獲得社

圖3高頻詞聚類分析結(jié)果圖

會認(rèn)同以及自我認(rèn)同[5]；而發(fā)表負(fù)面口碑的心理動機(jī)是為了表達(dá)不滿，或是出于發(fā)泄敵意，或是為了尋求報復(fù)[6]。

推薦行為是精準(zhǔn)營銷的結(jié)果?；谠诰€評論數(shù)據(jù)的口碑營銷，有利于把握消費(fèi)者的偏好，對用戶數(shù)據(jù)的分析產(chǎn)生個性化的精準(zhǔn)推薦。對線下商家而言，傳統(tǒng)團(tuán)購低價競爭的路線已經(jīng)被證明了不可持續(xù)，未來電子商務(wù)市場必然走向精準(zhǔn)化運(yùn)營的道路。

消費(fèi)者滿意度是口碑營銷的目的。消費(fèi)者滿意度反映了消費(fèi)者的一種心理狀態(tài)，它來源于顧客對企業(yè)的某種產(chǎn)品或服務(wù)所產(chǎn)生的感受與自己的期望所進(jìn)行的對比，也就是說“滿意”并不是一個絕對概念，而是一個相對概念。相關(guān)研究表明，企業(yè)不能閉門造車，留戀于自己對服務(wù)、服務(wù)態(tài)度、產(chǎn)品質(zhì)量、價格等指標(biāo)是否優(yōu)化的主觀判斷上，而應(yīng)考察所提供的產(chǎn)品服務(wù)與在線評論反映的顧客期望、要求等吻合的程度如何[7]。

32熱點(diǎn)二：信息服務(wù)與使用

幫助消費(fèi)者決策是在線評論信息被使用的直接原因。查看其他購買者的評論，得到更多有關(guān)商品的信息是購買者目前認(rèn)為最可信的手段，在線商品評論已經(jīng)成為消費(fèi)者進(jìn)行網(wǎng)絡(luò)購物的重要信息來源之一。隨著用戶評論這一功能的廣泛應(yīng)用，策略的焦點(diǎn)從評論的存在轉(zhuǎn)移到了消費(fèi)者對于評論的看法和利用上。因此，對在線評論的動機(jī)以及激勵的研究也相應(yīng)的展開而來，利用在線商品評論進(jìn)行決策的趨勢也在逐年上升，關(guān)鍵詞“評論動機(jī)”和“消費(fèi)者決策”正好印證了這點(diǎn)。

有學(xué)者探索了在線評論有效性對銷量的影響，尤其是評價者的特點(diǎn)和購買偏好對銷量的影響，也有研究者證明了這些影響會隨著產(chǎn)品類型變化而改變，產(chǎn)品類型起到了調(diào)節(jié)的作用。例如，在線評論對銷量的效用在電子科技產(chǎn)品中影響最大，對于保險、理財?shù)犬a(chǎn)品的影響更小[8]，因?yàn)檫@些產(chǎn)品必須線上和線下相結(jié)合，而且受到地域的限制，因此這些類產(chǎn)品的銷量更傾向于受到傳統(tǒng)的口碑的影響，人們更傾向于聽從朋友和家人的推薦。

關(guān)鍵詞“個性化服務(wù)”、“營銷策略”和“消費(fèi)者偏好”表明反饋系統(tǒng)已經(jīng)被許多流行的購物網(wǎng)站廣泛采用，在線評論系統(tǒng)不僅僅提高了電子市場的功效，而且也有利于制造商和銷售商收集和了解消費(fèi)者的偏好。從在線評論中搜集有用的信息進(jìn)行分析和使用，有利于根據(jù)消費(fèi)者偏好提供個性化的營銷策略。例如，有學(xué)者從亞馬遜中國網(wǎng)站篩選出具有代表性的商品的在線評論，對這些在線評論信息的使用有利于高效地制定出諸如“完善商品詳情頁面、調(diào)整網(wǎng)頁色彩、設(shè)計(jì)比價系統(tǒng)、增加促銷力度、完善售后服務(wù)等”相關(guān)的網(wǎng)絡(luò)營銷策略[9]。endprint

33熱點(diǎn)三：口碑傳播心理

口碑傳播心理包括動機(jī)與意愿兩類。顧客參與在線評論的動機(jī)研究目前可以分為兩種：一是參與發(fā)表在線評論的動機(jī)研究，即口碑傳播；二是參與搜索查看在線評論的動機(jī)研究，即口碑接受。另外還有研究將消費(fèi)者參與發(fā)表評論的動機(jī)分為主動動機(jī)和被動動機(jī)。主動動機(jī)是由內(nèi)在心理決定的主動參與動機(jī)，如自我實(shí)現(xiàn)，社交利益；被動動機(jī)是由于外部激勵，如評論能夠獲得獎勵、商品價格折扣等[10]。

近幾年，學(xué)者們探究消費(fèi)者進(jìn)行網(wǎng)上評論的動機(jī)，開始著眼點(diǎn)于消費(fèi)者和產(chǎn)品的特點(diǎn)，還有一些因素在近幾年的研究中也被發(fā)現(xiàn)，譬如成為意見領(lǐng)袖，展現(xiàn)自己產(chǎn)品熟悉度以及原創(chuàng)的本能等等。有研究表明意見領(lǐng)袖對顧客口碑傳播網(wǎng)絡(luò)的信息傳播速度和傳播范圍有較大的影響，而且對傳播范圍的影響要大于對傳播速度的影響[11]。

“社會交換”、“知識共享”關(guān)鍵詞表明將在線評論作為一種參與社會交換的物質(zhì)視角，散布口碑者為網(wǎng)絡(luò)用戶提供商品信息和購物體驗(yàn)，是在相互傳遞和交換信息的過程中形成的一種無形的用戶交流網(wǎng)，為現(xiàn)實(shí)社會提供了前所未有的輿論多元空間。人們逐漸習(xí)慣在網(wǎng)上交換關(guān)于產(chǎn)品的信息和看法，在線評論成為人們知識共享的重要方式之一。優(yōu)秀的評論者懂得參與在線評論也是虛擬社區(qū)知識共享的過程，渴望參與社交、建立社交地位以及獲得聲譽(yù)是有些消費(fèi)者積極搜索評論、回復(fù)評論、給評論打分投票的重要動機(jī)。

基于“社會網(wǎng)絡(luò)”的口碑傳播心理是將網(wǎng)絡(luò)購物環(huán)境看作是一個社會網(wǎng)絡(luò)，在該網(wǎng)絡(luò)中，網(wǎng)絡(luò)的節(jié)點(diǎn)處會有一些活躍的評論者對網(wǎng)絡(luò)起到很好的鏈接作用。

“垃圾評論”和“虛假評論”這兩種評論加劇了網(wǎng)絡(luò)信息的不對稱性，把握這兩種評論的傳播心理是治理和凈化網(wǎng)絡(luò)環(huán)境的切入點(diǎn)，有利于保護(hù)網(wǎng)絡(luò)信息生態(tài)環(huán)境[12]。

34熱點(diǎn)四：信息質(zhì)量評估

信息質(zhì)量評估主要在“可信度”和“評論有用性”兩個方面。可信度就是消費(fèi)者對在線評論真實(shí)性的相信程度。在線評論的可信度受3個方面的制約：①在線評論的傳播者（比如傳播者之間的關(guān)系強(qiáng)度）。例如，人們在同親友交流時，對方的可信度通常是為自己所知的，這種關(guān)系強(qiáng)度也是最強(qiáng)的，因此在現(xiàn)實(shí)生活中親友的評論往往被認(rèn)為是可信度較高的。②在線評論的內(nèi)容本身（比如產(chǎn)品特征）。由于大多數(shù)網(wǎng)上情境中缺乏社交情境線索，我們必須使用其他信息，如評論的內(nèi)容，去鑒別評論者的可信度。從在線評論本身的內(nèi)容來看，在線評論中提到的產(chǎn)品特征詞的重要性，都是影響在線評論可信度的要素。③在線評論的發(fā)布平臺。發(fā)表在線評論的平臺可信度，例如網(wǎng)站的知名度和信譽(yù)度也是影響在線評論可信度的重要因素。

在線評論的有效性是指在線評論所提供的信息量可以給消費(fèi)者提供參考，幫助消費(fèi)者進(jìn)行購買決策，使消費(fèi)者的需求得到滿足。郝媛媛等學(xué)者認(rèn)為在線影評中的正向情感、較高正負(fù)情感混雜度以及較長的句子對評論的有效性具有顯著的正面影響[13]。許多電子商務(wù)網(wǎng)站，如亞馬遜、當(dāng)當(dāng)、京東、淘寶等都提供在線商品評論的效用評價功能——依據(jù)每條評論獲得的“有用”投票數(shù)占總投票數(shù)的比例對商品評論進(jìn)行排序，獲得支持票數(shù)越多的評論說明該條評論的效用越大。

不論買家還是賣家，作為在線商品評論的讀者都希望從中獲得有助于制定決策的信息。然而，針對一件商品的在線商品評論往往數(shù)量眾多而且內(nèi)容質(zhì)量參差不齊，不是所有的評論都是有價值的，也不是所有的評論價值都是相等的，這就使得在線評論的質(zhì)量成為了研究的重點(diǎn)。例如，有學(xué)者通過文檔頻率閾值、信息增益、互信息、卡方統(tǒng)計(jì)、詞項(xiàng)強(qiáng)度等指標(biāo)來對評論質(zhì)量進(jìn)行量化判斷，是一種定量的研究方法[14]。還有學(xué)者以在線評論的有用性、可信性、影響力等因素的研究，來從側(cè)面反映在線評論的質(zhì)量。比如在線評論A比B對商品銷量、收藏率、點(diǎn)擊率的影響大，那么就可以認(rèn)為在線評論A的質(zhì)量比B的好。

“數(shù)據(jù)挖掘”和“機(jī)器學(xué)習(xí)”是在線商品評論質(zhì)量檢測與評估的技術(shù)手段，可以利用自然語言處理技術(shù)，判斷消費(fèi)者在線評論的質(zhì)量高低。例如，有學(xué)者通過機(jī)器學(xué)習(xí)技術(shù)分類審查情緒，開發(fā)了一個詞典，對在線評論的情感傾向進(jìn)行分類，從無用的垃圾評論中抽取出有用的評論[15]。

35熱點(diǎn)五：知識挖掘與發(fā)現(xiàn)

“知識發(fā)現(xiàn)”涉及文本挖掘、人工智能、認(rèn)知科學(xué)、信息科學(xué)、信息分析等領(lǐng)域。在線評論領(lǐng)域的知識發(fā)現(xiàn)，研究重點(diǎn)是在線評論作為語料庫對其進(jìn)行文本挖掘，提取在線評論中有用的信息?！罢Z義分析”、“極性強(qiáng)度”、“情感傾向”、“自動摘要”、“評論排序”這5個關(guān)鍵詞，反映了知識發(fā)現(xiàn)實(shí)踐運(yùn)用的全過程。語義分析是在線評論知識挖掘和發(fā)現(xiàn)的技術(shù)基礎(chǔ)，是國內(nèi)情報學(xué)界對在線評論、網(wǎng)絡(luò)口碑研究的重點(diǎn)和熱點(diǎn)。對前人的文獻(xiàn)進(jìn)行總結(jié)發(fā)現(xiàn)，挖掘的方法主要有以下幾種：構(gòu)建本體的方法，基于句式、語義的方法，線性模型方法，馬爾科夫模型，基于搜索引擎片段等方法。

從網(wǎng)絡(luò)評論中挖掘出產(chǎn)品特性詞，即“產(chǎn)品屬性詞”已經(jīng)成為信息發(fā)掘和語義分析兩個領(lǐng)域的熱門話題。對于中文的評論，由于語言和句式的差異，現(xiàn)存的國外挖掘成果很難運(yùn)用到中文評論中來。我國學(xué)者們針對面向電子商務(wù)的中文網(wǎng)絡(luò)客戶評論中產(chǎn)品特征提取及相關(guān)技術(shù)進(jìn)行研究，探索了中文環(huán)境下網(wǎng)絡(luò)客戶評論的產(chǎn)品特征挖掘方法，該方法基于改進(jìn)關(guān)聯(lián)規(guī)則算法，實(shí)現(xiàn)了針對中文產(chǎn)品評論的產(chǎn)品特征屬性挖掘，查準(zhǔn)率和查全率較高[16]。但是，對于中文評論中的產(chǎn)品特征挖掘研究還是起步階段，利用語言學(xué)知識對在線評論中的特征詞性進(jìn)行標(biāo)注，這些知識的建立需要大量的人工工作。

文本挖掘是分析非結(jié)構(gòu)化文本數(shù)據(jù)，進(jìn)一步使用數(shù)據(jù)和文本挖掘技術(shù)提取相關(guān)的內(nèi)容，這些技術(shù)被應(yīng)用到各種各樣的在線產(chǎn)品評論分析?；谇楦袃A向性挖掘的文獻(xiàn)也很多，一般將挖掘后的情感詞用于判斷情感詞的正負(fù)、強(qiáng)度分類等，分類的結(jié)果體現(xiàn)了評論者的態(tài)度是支持還是反對。目前面向中文網(wǎng)絡(luò)客戶評論的產(chǎn)品特征挖掘研究都無法實(shí)現(xiàn)自動評論挖掘功能。由于網(wǎng)絡(luò)客戶評論在書寫時隨意性較大，遣詞造句基本沒有約束，給國內(nèi)在線商品評論的文本研究帶來了一定的困難。endprint

“自動摘要”和“評論排序”是知識挖掘與發(fā)現(xiàn)的兩個重點(diǎn)應(yīng)用層面。自動生成摘要是根據(jù)關(guān)鍵產(chǎn)品特征詞以及用戶對于這些特征詞的態(tài)度，進(jìn)而組成簡單明確的評價摘要，讓消費(fèi)者在大量的在線評論面前一目了然，不必逐一閱讀評論就了解評論的觀點(diǎn)。評論排序的目的是將最有價值的評論排在前面，避免消費(fèi)者在海量無序的評論中“摸不清方向”，使得消費(fèi)者在短時間內(nèi)找出自己所需要的信息，為購買決策提供了更好的參考價值。例如，有學(xué)者根據(jù)商品特征關(guān)聯(lián)度對購物客戶評論按照可信度進(jìn)行排序[17]，使得消費(fèi)者只需要閱讀前面的評論就可以真實(shí)、客觀的了解產(chǎn)品評論的信息，進(jìn)而減少消費(fèi)者搜索的時間成本。

4結(jié)語

通過上述四大研究單元和五大研究熱點(diǎn)的分析，筆者發(fā)現(xiàn)國內(nèi)在線評論的研究主要集中在3個層面：

1）形態(tài)層面。形態(tài)層面上仍是繼UGC（用戶自生成內(nèi)容）研究和網(wǎng)絡(luò)口碑研究之后的主導(dǎo)內(nèi)容，只是在研究領(lǐng)域上更多的偏向電子商務(wù)、網(wǎng)絡(luò)營銷；在研究的數(shù)據(jù)平臺上更多的是分析零售業(yè)網(wǎng)站（淘寶網(wǎng)、京東網(wǎng)、亞馬遜網(wǎng)等）上的評論；在研究對象上更多針對的是商品的評論，而非微博的評論、新聞的評論或者時事政治等其他類型的評論。而之前有關(guān)UGC和網(wǎng)絡(luò)口碑的研究范圍則更廣，比如微博、博客、微信等其他所有承載網(wǎng)民心聲的平臺。

2）受眾層面。在受眾層面，不少學(xué)者都從受眾接受、受眾傳播的角度進(jìn)行研究。盡管在線商品評論屬于UGC的一種，但與之前UGC的研究不同，在線商品評論的受眾的雙向的，即消費(fèi)者和商家這兩類；而UGC的受眾往往是單向的受眾，只不過是之前的信息閱讀者轉(zhuǎn)變成了信息發(fā)布者。

3）效果層面。在效果層面，多為信息質(zhì)量檢測、垃圾評論、虛假評論辨識等角度進(jìn)行的，在此層面上與之前UGC的研究區(qū)別不大。UGC的研究也是在內(nèi)容的監(jiān)督、管理和評價等方面的文獻(xiàn)較多。

結(jié)合目前的研究現(xiàn)狀和研究熱點(diǎn)，筆者認(rèn)為對于國內(nèi)在線評論的研究領(lǐng)域，應(yīng)該從以下兩個方面加強(qiáng)：

1）在效果層面的研究加強(qiáng)力度。目前的研究雖取得了可喜的進(jìn)展，但是現(xiàn)有的機(jī)器學(xué)習(xí)、語義分析等技術(shù)還不能夠做到完全精確，中文的情感傾向分析技術(shù)發(fā)展相對比較滯后，目前主要集中在網(wǎng)絡(luò)輿情的監(jiān)測預(yù)警方面。如果是監(jiān)督性方法對其進(jìn)行挖掘需要首先從語言學(xué)的角度對這種主觀性的文本進(jìn)行研究，包括語料收集、分析語言規(guī)律、研究標(biāo)注規(guī)范和方法等。但在國內(nèi)的研究中，這方面的基礎(chǔ)研究還做得很少。如果實(shí)現(xiàn)非監(jiān)督型的挖掘方法，就可以降低人工參與程度，所以對于中文在線商品評論的挖掘亟需進(jìn)一步研究。

2）在形態(tài)層面和受眾層面加強(qiáng)廣度，對在線商品評論的剖析應(yīng)該多角度、全方位的開展。例如，除了銷售網(wǎng)站的在線評論，還可以關(guān)注病人在“丁香醫(yī)生”等網(wǎng)站、APP或者微信公眾號等平臺上的留言評論，從緩和醫(yī)患關(guān)系的角度鼓勵病人發(fā)表評論、意見和建議，有利于避免因消極評論而導(dǎo)致的網(wǎng)上投訴、醫(yī)鬧等狀況。另外還有最近比較流行的視頻網(wǎng)站的“彈幕”評論，即大量的評論如同“子彈”一樣從視頻的屏幕上飛過。該評論來源于ACG（Animation，Comic和Game）文化，是一種脫胎于“二次元”文化的新型的在線商品評論，對于這類新型評論的傳播形式、傳播效果和傳播影響的研究還有很大的開墾空間。

本研究以共詞分析為基礎(chǔ)，采用多元統(tǒng)計(jì)方法探討了在線商品評論領(lǐng)域的研究現(xiàn)狀及熱點(diǎn)，通過關(guān)鍵詞之間的關(guān)系揭示不同主題之間的內(nèi)在關(guān)系，試圖幫助其他研究者尋找并挖掘相關(guān)的研究主題，清晰定位研究的層次。但是本研究尚存在一些不足，比如所考察的文獻(xiàn)類型全部來源于學(xué)位論文和期刊論文，并沒有涉及其他類型的學(xué)術(shù)文獻(xiàn)，比如會議論文、專利論文等。如果將這些論文也統(tǒng)計(jì)在內(nèi)的話，也許會對研究的結(jié)論起到一定的修正作用。

參考文獻(xiàn)

[1]陳農(nóng).在線評論研究中的主題結(jié)構(gòu)：社會網(wǎng)絡(luò)分析視角[J].現(xiàn)代情報，2015，35 （1）：61-67.

[2]Yaqin Li，Yuequan Yang.The bibliometric analysis of online consumer reviews research [J].2014 4th International Conference on Applied Social Science （ICASS 2014）：194-199.

[3]楊晶.基于共詞分析法的國外口碑傳播研究熱點(diǎn)分析[J].情報雜志，2013，32 （11）：80-85.

[4]BlueMC在線數(shù)據(jù)分析軟件[EB].http：www.bluemc.cn.

[5]張紫瓊，葉強(qiáng)，李一軍.互聯(lián)網(wǎng)商品評論情感分析研究綜述[J].管理科學(xué)學(xué)報，2010，（6）：84-96.

[6]李宏，喻葵，夏景波.負(fù)面在線評論對消費(fèi)者網(wǎng)絡(luò)購買決策的影響：一個實(shí)驗(yàn)研究[J].情報雜志，2011，30（5）： 202-206.

[7]李燕飛.在線評論對消費(fèi)者滿意度及商品銷量的影響研究[D].廣州：廣東工業(yè)大學(xué)，2016.

[8]盤英芝，崔金紅，王歡.在線評論對不同熱門程度體驗(yàn)型商品銷售收入影響的實(shí)證研究[J].圖書情報工作，2011，24（4）：126-131.

[9]趙金財.基于在線評論分析的亞馬遜中國網(wǎng)絡(luò)營銷策略研究[D].哈爾濱：哈爾濱工業(yè)大學(xué)，2015.

[10]閻俊，蔣音波，常亞平.網(wǎng)絡(luò)口碑動機(jī)與口碑行為的關(guān)系研究[J].管理評論，2012，23（12）：84-91.

[11]羅曉光，溪璐路.基于社會網(wǎng)絡(luò)分析方法的顧客口碑意見領(lǐng)袖研究[J].管理評論，2012，（1）：75-81.

[12]邱云飛，王建坤，邵良杉，等.基于用戶行為的產(chǎn)品垃圾評論者檢測研究[J].計(jì)算機(jī)工程，2012，38（11）：254-257.

[13]郝媛媛，鄒鵬，李一軍，等.基于電影面板數(shù)據(jù)的在線評論情感傾向?qū)︿N售收入影響的實(shí)證研究[J].管理評論，2009，21（10）：95-103.

[14]聶卉.基于內(nèi)容分析的用戶評論質(zhì)量的評價與預(yù)測[J].圖書情報工作，2014， （13）：83-88.

[15]佘維軍.基于語義情感信息的評論有用性研究[D].重慶：重慶大學(xué)，2016.

[16] 李實(shí)，葉強(qiáng)，李一軍.中文網(wǎng)絡(luò)客戶評論的產(chǎn)品特征挖掘方法研究[J].管理科學(xué)學(xué)報，2009，12（2）：142-152.

[17]黃婷婷，曾國蓀，熊煥亮.基于商品特征關(guān)聯(lián)度的購物客戶評論可信排序方法[J].計(jì)算機(jī)應(yīng)用，2014，34（8）：2322-2327.

（本文責(zé)任編輯：郭沫含）endprint