文献类型：期刊文章

作　　者：史达[1] 王乐乐[2] 衣博文[3]

Shi Da;Wang Lele;Yi Bowen(School of Tourism and Hospitality Management,Dongbei University of Finance and Economics;Surrey International Institute,Dongbei University of Finance and Economics;International Business College,Dongbei University of Finance and Economics)

机构地区：[1]东北财经大学萨里国际学院 [2]东北财经大学国际商学院 [3]东北财经大学旅游与酒店管理学院

出　　处：《南开管理评论》

基　　金：辽宁省教育厅科学研究经费项目基础研究项目(LN2020J26);东北财经大学校级创新团队项目(2020XJTD02),东北财经大学社会服务能力提升项目创新团队专项项目(CXTD2020-4)资助。

年　　份：2020

卷　　号：23

期　　号：5

起止页码：64-75

语　　种：中文

收录情况：BDHX、BDHX2017、CSSCI、CSSCI2019_2020、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊

摘　　要：在线评论有用性有助于浏览者快速获取有效信息。本文以双重过程理论的启发式—系统式(HSM)模型为理论基础,基于TripAdvisor的酒店评论,采用Word2Vec、LDA和机器学习等方法量化变量,通过多元回归对评论有用性的影响因素进行分析。研究发现:(1)基于HSM模型建立的有用性影响因素理论模型,将影响因素分为启发式和系统式线索。在启发式线索中,评论长度与有用性呈倒U型关系,历史评论数、评论时间、是否有照片存在正面影响,评论者类型不同影响不同;在系统式线索中,所有评论主题、评论负面程度均存在正面影响。(2)采用Word2Vec方法计算零有用票数评论的有用性得分,弥补了有用性量化的缺失;采用表现更优的三种机器学习方法(LR、NB、SVM)进行情感分析,并证明所得情感得分优于评论评分对评论情感的衡量。本文以双重过程理论为框架,系统分析了评论有用性的影响因素,更加准确地解释了顾客酒店体验的真实感受,对评论平台和酒店未来需提升的维度和发展方向有一定的借鉴意义。

关 键 词：评论有用性  HSM 语义分析 情感分析 机器学习  

分 类 号：TP391.1] F713.36[计算机类] F719.2]