[论文解读] Understanding the Role of Two-Sided Argumentation in Online Consumer Reviews: A Language-Based Perspective
本研究提出一种基于语言的方法，利用分布式文本表征和多实例学习来衡量在线消费者评论中的双向论证，发现此类平衡性评论显著提升了感知有用性，尤其在正面评论中更为明显，而情感语言则会削弱这一效应。
This paper examines the effect of two-sided argumentation on the perceived helpfulness of online consumer reviews. In contrast to previous works, our analysis thereby sheds light on the reception of reviews from a language-based perspective. For this purpose, we propose an intriguing text analysis approach based on distributed text representations and multi-instance learning to operationalize the two-sidedness of argumentation in review texts. A subsequent empirical analysis using a large corpus of Amazon reviews suggests that two-sided argumentation in reviews significantly increases their helpfulness. We find this effect to be stronger for positive reviews than for negative reviews, whereas a higher degree of emotional language weakens the effect. Our findings have immediate implications for retailer platforms, which can utilize our results to optimize their customer feedback system and to present more useful product reviews.
研究动机与目标
- 从基于语言的视角，探究在线消费者评论中的双向论证如何影响其感知有用性。
- 解决以往研究仅关注结构化数据（如星级评分）而忽视评论文本内容的不足。
- 开发一种新颖的方法，用于在评论文本中检测并量化句子级别的论证极性。
- 考察双向论证的影响在不同情感倾向（正面与负面）及情感语言强度下的差异。
提出的方法
- 利用分布式文本表征（如词嵌入）对评论文本中的句子级语义进行编码。
- 应用多实例学习，根据句子与已标注评论片段的上下文相似性，为其分配极性标签（正面/负面）。
- 将双向论证操作化为单篇评论中同时存在正面和负面情感片段。
- 采用大规模的192,189条关于手机及配件的亚马逊评论语料库进行实证分析。
- 使用分层线性模型检验双向论证对评论有用性的影响，同时控制情感、情感语言和评论长度等因素。
- 使用既定的自然语言处理指标衡量情感语言，以评估其对双向论证与评论有用性关系的调节作用。
实验结果
研究问题
- RQ1在线消费者评论中的双向论证如何影响其感知有用性？
- RQ2双向论证对正面评论与负面评论的有用性影响是否存在差异？
- RQ3情感语言在多大程度上调节了双向论证与评论有用性之间的关系？
- RQ4能否利用分布式文本表征和多实例学习在非结构化评论文本中可靠地检测并量化双向论证？
主要发现
- 双向论证显著提升了在线消费者评论的感知有用性。
- 双向论证对正面评论的积极影响强于对负面评论的影响。
- 情感语言程度越高，双向论证对有用性的增强作用越弱。
- 最终模型的R-squared值达到0.2251，表明该模型对有用性的解释力中等偏强。
- 研究证实，文本论证结构本身（而不仅仅是情感极端性）在信息接收过程中起着关键作用。
- 研究结果表明，具有诊断性、基于事实的、正反观点平衡的评论更受消费者信任，也更具实用性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。