[论文解读] The Longer the Better? The Interplay Between Review Length and Line of Argumentation in Online Consumer Reviews

Bernhard Lutz, Nicolas Pröllochs+1 more|arXiv (Cornell University)|Sep 10, 2019

Sentiment Analysis and Opinion Mining被引用 6

一句话总结

本研究挑战了在线评论越长越有助于判断的普遍假设，表明评论的有用性取决于论证结构：仅当论证转变不频繁时，长评论才更具帮助。通过自然语言处理检测句子级情感转变，作者发现频繁的论证变化会因认知过载而降低评论的有用性，尤其在长评论中更为明显——这为改进电子商务评论系统提供了更细致的模型。

ABSTRACT

Review helpfulness serves as focal point in understanding customers' purchase decision-making process on online retailer platforms. An overwhelming majority of previous works find longer reviews to be more helpful than short reviews. In this paper, we propose that longer reviews should not be assumed to be uniformly more helpful; instead, we argue that the effect depends on the line of argumentation in the review text. To test this idea, we use a large dataset of customer reviews from Amazon in combination with a state-of-the-art approach from natural language processing that allows us to study argumentation lines at sentence level. Our empirical analysis suggests that the frequency of argumentation changes moderates the effect of review length on helpfulness. Altogether, we disprove the prevailing narrative that longer reviews are uniformly perceived as more helpful. Our findings allow retailer platforms to improve their customer feedback systems and to feature more useful product reviews.

研究动机与目标

• 挑战电商领域普遍认为长评论在整体上更有利于判断的假设。
• 探究评论中论证转变频率如何调节评论长度与有用性之间的关系。
• 开发并应用一种基于自然语言处理的方法，以句子级别检测消费者评论中的论证脉络。
• 为零售商提供可操作的见解，以优化评论排序与客户反馈系统。
• 考察高参与度与低参与度产品中论证效应的差异。

提出的方法

• 采用先进的自然语言处理模型，结合分布式文本表征与多实例学习，从评论文本中推断句子级情感极性（正面/负面）。
• 利用情感标签序列检测论证转变——定义为连续句子间正负情感的转换。
• 构建了一项名为评论论证一致性（RAC）的指标，以量化每篇评论中此类情感转变的频率。
• 使用带有交互项的分层线性模型，检验评论长度与论证转变如何共同影响感知有用性。
• 通过替代RAC定义（包括中性句子）和混合效应Tobit模型进行稳健性检验，以验证结果。
• 按产品参与度（低 vs. 高）划分分析，评估产品类型对论证动态的调节效应。

实验结果

研究问题

• RQ1 长评论的有用性是否取决于论证转变的频率？
• RQ2 论证转变的频率在多大程度上调节了评论长度对感知有用性的影响？
• RQ3 论证转变对高参与度与低参与度产品在有用性上的影响是否存在差异？
• RQ4 基于自然语言处理的句子级论证模式检测能否可靠预测评论的有用性？
• RQ5 中性句子的存在是否会改变论证转变与有用性之间的关系？

主要发现

• 评论长度与论证转变之间的交互效应具有统计显著性（β = -0.169，p < 0.001），表明当论证转变频繁时，长评论的有用性反而降低。
• 论证转变频率较高会因认知负荷增加和信息过载而降低长评论的有用性。
• 论证转变单独的回归系数为负且显著（β = -0.036，p < 0.001），表明频繁的情感转变会独立降低感知有用性。
• 对于低参与度产品，论证转变对有用性的影响更为显著且具有统计学意义，表明在该类情境下用户更偏好明确的判断。
• 通过替代RAC定义和混合效应Tobit模型进行的稳健性检验，证实了主要发现的稳定性。
• 结果表明，论证结构是决定评论有用性的关键因素，但此前被忽视，挑战了评论长度“一刀切”的观点。