网络视频实时在线评论用户认可度的影响因素

袁海霞，陆亦蘅，方青青

安徽大学商学院，安徽 合肥230039

引言

随着网络信息技术的创新和数字化的推广，网络视频产业蓬勃发展。根据中国互联网络信息中心（CNNIC）发布的第47 次《中国互联网络发展状况统计报告》①http://www.cac.gov.cn/pdf/20190829/44.pdf，截至2020 年12 月，我国网络视频用户规模达9.27 亿，占网民整体的93.7%。面对如此庞大的市场，改善用户的体验、保持用户的粘性成为各大视频网站的首要目标。值得注意的是，互联网环境下的用户消费行为发生了很大变化，人们在消费在线视频的同时还希望能够进行在线社交[1]。因此，为了更好地满足用户的需求，以Bilibili、爱奇艺、腾讯为首的视频网站纷纷推出了实时在线评论功能——弹幕。弹幕是指用户在观看视频过程中发送的评论，该评论会以字幕的形式显示在屏幕上展示给每位观众，促进用户直接进行在线社交，创造实时共享的体验。

随着弹幕功能的开发和完善，用户对于实时在线评论的需求也日益增长：2017 年，腾讯视频播放的电视剧《欢乐颂2》获得了220 万的弹幕评论量，实时在线评论功能现已成为视频网站不可或缺的部分。与此同时，这也带来了信息爆炸的问题：实时在线评论的信息过载和质量的良莠不齐不仅会降低用户观影愉悦感，还会对视频网站的评论管理系统造成困扰。如何有效识别和管理有价值的实时在线评论信息成为视频网站面临的难题。针对这个问题，一些视频网站对实时在线评论设置了点赞等功能，试图筛选出用户认可度高的评论以便对其进行加精。但是这套机制存在许多问题：一方面，点赞指标需要长时间的累积，因此有些近期发表的实时在线评论无法得到点赞，这可能导致一些有潜在价值的实时在线评论无法得到关注；另一方面，点赞功能在电商平台的评论系统中使用较为成熟，是因为用户在浏览评论的过程中能直接看见其点赞量，但视频网站的实时在线评论点赞量无法直观看到，因此不能带来和电商平台同样的效果。所以，视频网站想要对实时在线评论进行快速有效的管理，必须识别影响实时在线评论用户认可度的重要因素，建立自己的信息管理机制。

当前，学界对实时在线评论的研究多集中在新闻传播学领域。虽然近年来该问题在管理学角度有所关注，但多集中于实时在线评论的数量对收视的影响[1]、情感信息对用户需求的影响[2]以及用户使用动机[3]等。上述文献主要研究了消费者的行为，并未涉及视频网站对实时在线评论信息识别和管理的根本问题，故笔者试图对该问题进行进一步探究。实时在线评论是信息传播的载体，而信息的特征对信息采纳、用户享乐体验都存在影响[4]。喻昕和许正良指出，实时在线评论使用户获得有用信息的时间成本降低[5]，充分反映了实时在线评论信息是有用且可利用的，而实时在线评论本质上是在线评论的一种。因此，本研究拟通过梳理总结在线评论的有用性研究，探究实时在线评论信息特征对用户认可度的影响。

1 研究综述

1.1 在线评论的有用性

实时在线评论可以满足用户实时交流信息的需求，为用户理解视频内容、情节信息都提供了帮助，这使实时在线评论的信息存在高度有用性[5]。实时在线评论的本质是在线评论的一种，所以在线评论的有用性研究对本研究有指导意义。

对在线评论的有用性影响因素的研究，现有文献主要集中于三方面。一是评论者因素。部分研究认为评论发布者的身份信息、专业性、权威性以及社会性因素都会对在线评论的有用性产生极大影响[6-11]。二是接收者因素。已有研究发现评论接收者的卷入度会影响在线评论有用性的路径，其中卷入度分为用户对在线评论的卷入度和对产品的卷入度。Park 和Lee 发现，用户对在线评论的卷入度会正向调节其对在线评论的感知有用性[12]，而Doh 和Hwang 的研究表明：用户对产品的卷入度会负向调节其对正面评论的感知有用性[13]。三是评论内容因素。文本内容作为在线评论最重要的部分广受学者们的关注，文本挖掘技术的不断发展使得在线评论的文本内容分析成为学术界研究的热点主题。研究发现在线评论的长度、效价和表达形式等都会对在线评论的有用性产生一定影响[14-16]。

然而，以弹幕为表现形式的实时在线评论与传统的在线评论又有所差异。首先，以弹幕为表现形式的实时在线评论是基于社交需求的在线互动，与传统条件下的在线评论有本质的差别。其次，在用户实时在线评论信息接收的过程中，发送者的相关信息并不是直接可见的，且很多场景下很难对信息发布者的身份进行衡量。此外，评论接收者的信息也难以考察。因此，在线评论有用性的研究对本研究有一定的指导意义，但在解释以弹幕为表现形式的实时在线评论时又存在局限性：这些研究无法考虑到实时在线评论的匿名性和互动性的特点，因而不会充分挖掘评论文本内容所含有的信息特性，也因忽略了前后评论之间的关系而未考察实时在线评论内容的新颖异质性。所以，笔者认为实时在线评论的有用性问题还需要进行更深入的研究。

1.2 实时在线评论

当前，以弹幕为表现形式的实时在线评论功能因其互动性、实时性、多样性等特点而在视频网站平台流行，引起了学术界的关注，然而大部分研究的集中于新闻传播学领域和亚文化领域。但是，实时在线评论的商业价值不容小觑。龚诗阳等指出，实时在线评论的在线社交能够有效提高消费者的需求[1]；王敏和徐建通过将实时在线评论的情感信息与字幕特有的情感信息进行结合分析，为影视作品进行质量评估和推荐[2]；仝冲和赵宇翔对实时在线评论的内容进行分析，以帮助视频网站完成信息构建和亚文化人群的用户体验设计[3]；He 等通过识别和测量实时在线评论的发展趋势来预测未来视频的流行程度[17]；Fang 等研究发现实时在线评论能够提高用户对视频网站的忠诚度和正面评价[18]。此外，由于用户对实时在线评论的需求高涨，实时在线评论信息过载的现象已成为网络视频平台面临的难题。因为这不仅会影响用户的收视体验，也会给平台的信息管理造成困扰。然而该方面的研究并不多见，因此笔者试图从实时在线评论的信息管理入手进行研究。由于实时在线评论产生于用户，所以从用户角度和平台环境寻求治理对策很难解决问题，故笔者将对实时在线评论本身进行研究。

在线评论信息本身作为在线评论传播的客体，其特性对研究用户对评论信息的认知有重要作用[19]，对识别用户认可的实时在线评论信息有很大价值，所以本研究将围绕该方面开展。对于在线评论信息特性，现有研究认为信息质量是影响用户对在线评论信息有用性感知的重要判断因素之一[20]。因此，本研究根据Wang 和Strong 提出的信息质量维度框架（如表1 所示）[21]，对涉及信息质量因素的在线评论有用性研究进行梳理。

表1 信息质量维度框架

具体而言，结合表1 中的信息质量要素，笔者将基于前两个方面对实时在线评论信息的特性进行研究。究其原因，主要有两个因素。一方面，以弹幕为表现形式的实时在线评论比较简短且偏口语化，本身就具有简洁易懂的特性，不必特别研究其表达信息质量。另一方面，对于实时在线评论访问信息质量，2019 年1 月9 日，中国网络视听节目服务协会发布了“史上最严”监管政策，即《网络短视频平台管理规范》和《网络短视频内容审核标准细则》，将“弹幕”划入“先审后播”的范围，并要求“实时管理”。由此，访问信息质量得到有效提升，故本研究也未考虑该方面的特性。

就内在信息质量而言，在线评论的内在信息质量主要表现为用户感知评论文本的客观可信性。学者们通常根据在线评论的语义特征将评论信息分为客观事实型和主观评价型[20]。如Ghose 和Ipeirotis通过文字处理文件采用指标“主观性”来研究主客观评价对评论有用性的影响[16]，而郝媛媛等则通过评论的主客观表达形式中的混杂度来研究评论的客观性[22]。此外，评论的情感倾向也会影响用户的感知，部分学者认为负向评论更容易获得用户的信服[23-24]，也有学者认为中立态度的评论让用户觉得更客观、值得信任[25]。

在线评论的关联信息质量主要表现为用户感知及时性和完整性。一方面，评论的及时性通常指评论发布时间的早晚，时间线上较晚出现的评论内容包含较新的发展情况，对用户可能更有用[20]。然而对于实时在线评论而言，其时间信息不是直观可见的，故时间线上的早晚对用户并不重要，而时间因素在传统在线评论中包含的信息最新进展在实时评论中表现出来的是新颖度。新颖度表示当前文本携带以前文本没有的新信息[26]，所以要考察实时在线评论内容的新意，可以通过评估实时在线评论信息的新颖度。另一方面，评论的完整性是指用户通过评论能够获得充分的信息。评论所含的信息越丰富，被用户选择的可能性越大[27]，故评论信息的丰富程度对用户的感知有较大影响。

综上，本研究将从实时在线评论的情感倾向、新颖度和信息丰富性这三个角度开展研究。其中，用情感倾向衡量实时在线评论的客观可信性，用新颖度衡量实时在线评论的及时性，用信息丰富性衡量实时在线评论的完整性。

1.3 用户认可度

当前，视频网站中实时在线评论的信息纷繁复杂，有效识别和管理用户认可度高的评论信息有助于改善用户使用感并提高用户粘性。对于用户认可度，在传统在线评论中体现为评论的有用性程度，即用户感知在线评论对其购买决策有帮助[25]。与传统在线评论不同的是，用户对实时在线评论的需求集中于信息、娱乐和社交这三方面[3]，主要通过交流来满足用户的心理愉悦感，故用户认可度是指用户对实时在线评论的主观肯定和赞同，说明该评论提高了其使用体验。本研究将以用户认可度作为判别实时在线评论价值的衡量标准，对实时在线评论的信息特性进行研究。

2 研究假设

2.1 实时在线评论的新颖度

实时在线评论作为用户观看视频过程中在线社交的载体，承担了传播信息的功能。研究表明，重复接收高同质性的信息内容会降低用户的满意程度[28]，因此评估信息的新颖度对于实时在线评论的管理尤为重要。新颖度在韦氏词典的定义中被描述为一种强调与已有事物不同的性质，表达一种新颖程度的状态[29]。在此基础上，邢美凤和过仕明[26]认为信息新颖度应具有两个特点，一方面所研究的文本在主题上有相关性，另一方面当前文本与已有文本相比，需要携带以前没有的新信息。在关于新闻内容的研究中，新颖度被认为是影响用户欢迎程度的重要因素[20]，即主题新颖度越高，该新闻越容易被用户选择分享。因此，本研究认为，新颖度越高的实时在线评论，越容易得到用户的青睐，获得用户的认可。由于视频播放过程中的实时在线评论处于屏幕的评论池内，评论并不是单独出现在用户的视野中，所以每条实时在线评论前后的评论都会对用户的感知产生影响。因此只有与前后评论相比，新颖度都高的实时在线评论才更有可能获得用户的认可。根据He 等的研究，实时在线评论的内容新颖性被定义为内容相似性的相反概念[17]。为了更清晰地展现出实时在线评论与前后评论文本的比较，本研究让新颖性代表实时在线评论与其前面评论相比的新颖度，让相似性代表实时在线评论与其后面评论相比的新颖度。其中，相似性是评论之间的文本相似程度，而新颖性则正好相反，即：相似性越低、新颖性越高则新颖度越高，那么用户的认可程度就越高。所以本研究提出以下二个假设：

H1：实时在线评论的新颖性对用户认可度有正向影响，即实时在线评论的新颖性越高，用户认可度就越高。

H2：实时在线评论的相似性对用户认可度有负向影响，即实时在线评论的相似性越高，用户认可度就越低。

2.2 实时在线评论的情感倾向

实时在线评论的情感可以分为正向情感和负向情感，二者都会对用户的认可度产生影响。但是，这两种情感倾向会对感知有用性产生何种影响，学术界并没有一致的结论。大量研究认为，消费者存在“消极偏见”，即相较正向评论，负向评论更容易获得消费者的信服[23-24]。但是也有许多学者对此提出异议，在研究中发现负面评论被用户认为意义不大。比如，Sen 和Lerman 发现，体验型商品的消费者更倾向于把负向评论的动机归因于个人而非商品本质，从而认为负向评论不具有可靠性[31]。同样，郝媛媛等也在研究中发现，对于体验型商品，负向评论对消费者的价值不大[22]。除了极端负面的评论以外，也有研究发现体验型商品的任何极端评论均无法得到消费者的认可[25]，消费者更认同处于中立态度的评论。因为实时在线评论同样是用户对体验型商品（如电视剧和电影等）的评价，信息接收者可能会认为评论者发布极端评论的动机与自身有关而非视频原因，因而引起其反感，故无论是正向还是负向的极端评论，情感越强烈越无法得到用户的认同。据此，本研究提出以下假设：

H3：实时在线评论的情感倾向对用户认可度有负向影响，即实时在线评论的情感倾向越强烈，用户认可度越低。

2.3 实时在线评论的信息丰富性

信息丰富性是指实时在线评论包含的信息量。仝冲和赵宇翔对实时在线评论动机进行内容分析，发现用户对实时在线评论的需求可分为信息、娱乐和社交需求，其中信息需求是用户最主要的需求[3]。因此，作为用户直接获取信息的来源，评论所含的信息越丰富，被用户选择的可能性越大[27]。学术界普遍采用评论的长度来衡量在线评论的信息丰富性，如游浚等基于亚马逊平台的数据通过线性回归模型证明评论长度对评论有用性有积极的影响[32]，Pan 和Zhang 通过实验方法证明评论的长度也得出了相同结论[15]。但是也有学者认为在线评论不是越长越好，长度适中的在线评论对用户而言才是有帮助的[14]。大部分视频网络平台将实时在线评论的字数限制在50 字以内，实时在线评论并不会出现过长的可能。因此，在其字数限制范围内，实时在线评论的长度越长，用户感知有用性越高，故本研究用实时在线评论的长度衡量其信息丰富性，据此提出以下假设：

H4：实时在线评论的信息丰富性对用户认可度有正向影响，即实时在线评论所含的信息量越多，用户认可度越高。

3 研究变量与模型

3.1 数据来源

本研究数据收集于国内知名视频网站爱奇艺平台，选择该平台的原因主要有两点。第一，爱奇艺平台的月活跃用户数量超过5 亿人，在视频网站行业处于领先地位，实时在线评论的信息丰富且代表性强。第二，爱奇艺平台的实时在线评论功能开发较为完善，用户可以对实时在线评论进行点赞、点踩、回复等操作，表达自己对该条实时在线评论的态度。此外，本研究选择电影为研究对象，原因是电影之间相对独立，而电视连续剧由于存在续集，可能导致在研究实时在线评论时存在相关性等误差。

基于此，本研究以爱奇艺平台截止2020 年1 月19 日热度榜①热度榜为爱奇艺平台根据自己的算法，通过用户的观看、互动、分享等行为综合排序而来，能够保证样本来源的选取具有代表性。的电影（共100 部）为研究对象，并通过python 编程对上述电影中实时在线评论的文本、颜色、不透明度、点赞量、点踩量等相关信息进行爬取，并基于以下原因对电影进行筛选得到样本数据。第一，由于爱奇艺平台的限制，本研究无法爬取到实时在线评论发送的自然时间，因此为避免时间的跨度过大而影响研究的有效性，只选取了热度榜中2019 年度上线平台的电影。第二，本研究为了保证电影之间相互独立、不存在相关性，删去了属于系列电影中的电影。第三，由于一些电影存在版权原因，导致其数据无法被抓取，故本研究未收集这部分数据。最终，收集了22 部电影样本的基本信息数据和531 209 条实时在线评论的相关信息。

3.2 变量说明

根据收集的数据和构建的模型，本研究在此先就实证分析中的相关变量做出具体说明。因变量为点赞数、点踩数和用户认可度，用户认可度采用点赞数减去点踩数的结果衡量。其中，本研究引入点赞数和点踩数是为了更直观地了解实时在线评论的信息特征究竟是如何影响用户认可度的，即：用户对实时在线评论的态度通过点赞和点踩的功能来表示其认可度，点赞是用户对发布的信息表示认同[33]，而点踩则代表了一种负面倾向[34]，而认可度则为综合点赞与点踩两种对抗行为而来的结果。此外，为了缩小数据的绝对数值、保证模型的稳健性，对因变量进行了取自然对数的线性变换。下面，笔者详细介绍一下自变量的构建过程。

3.2.1 自变量

数据中的自变量分别为新颖性、相似性、情感倾向和长度。其中，前两个自变量需要考察评论信息的新颖度，目前信息新颖度的评估主要通过两种方式：第一种是基于文本内容特征进行统计分析，比如分析词频[35]、句子重叠度[36]；第二种是通过计算文档的相似性来研究信息的新颖度，比如通过余弦距离[37]等方式。基于此，本研究将在主题概率模型分析的基础上测量实时在线评论文本的新颖度，即：通过主题概率模型确定实时在线评论的文档—主题矩阵，然后通过计算评论之间的距离来表示文本的相似程度，距离越大则说明文本相似程度越低，那么其新颖度也越高。具体来说，本研究利用R 软件基于潜在狄利克雷分布（LDA）对每部电影的所有实时在线评论内容主题进行分析，并将主题数规定为3[38]。然后确定每条弹幕信息的主题概率分布，根据每期弹幕的文档—主题概率矩阵，将其概率分布表示为Zi（θi1,θi2,θi3）（表2），并利用概率分布计算每两条相邻实时在线评论之间的欧氏距离d，以测量文本相似度。

表2 某电影的弹幕文档—主题概率矩阵

（1）新颖性。实时在线评论的新颖性是指比较该评论i与其前一条评论j的欧式距离。欧式距离越大，代表文本相似度越低，该条实时在线评论的新颖性就越大。计算公式可以表示为：

（2）相似性。实时在线评论的相似性是指比较该评论i与其后一条评论h的欧氏距离。欧氏距离越小，代表文本相似度越高，该条实时在线评论的相似性就越大。计算公式可以表示为：

（3）情感倾向。本研究在对中国知网、台湾大学和清华大学情感词典整合的基础上，利用R 软件进行情感分析，计算出每条实时在线评论的情感倾向分数。

（4）信息丰富性。本研究对每条实时在线评论的字数进行统计，得到实时在线评论的长度，用长度表示评论的信息丰富性。

3.2.2 控制变量

为了控制其他可能混淆的变量，本研究把其他可能影响到用户认可度的变量（即实时在线评论的表层特征），纳入考虑范围。首先，实时在线评论的颜色会吸引用户的注意力并影响人们的情绪，比如暖色系被发现更易激发人们的积极情绪[39]。由于实时在线评论中大部分颜色为白色，剩余的则为其他颜色，因此，本研究将评论的颜色分为白色和其他颜色。此外，实时在线评论的不透明度对用户的视觉和感受会产生一定影响。在本研究收集的数据中，不透明度从0 到10 分为10 个等级，同时将值为0 到5 的评论划分为透明，值为6 到10 的评论划分为不透明。

综上所述，本研究的主要变量及对其的处理情况如表3 所示。

表3 变量的定义

3.3 模型构建

本研究的因变量指标数据存在大量零值，属于截断数据。如果简单剔除指标为零的数据，可能会导致估计结果的偏差。因为剔除零值后的样本是一个自我选择样本而非随机样本，这种非随机的数据筛选本身就导致了有偏的估计。为了克服样本选择偏差问题，本研究采用Tobit 模型对用户认可度的影响因素进行估计。该模型采用MLE 进行估计，是对Heckman 两步法的扩充和改进并且效率更高[40]。Tobit 模型包含3 个子模型，其中模型（1）y1∗以用户认可度作为因变量，模型（2）y2∗以用户点赞数作为因变量，模型（3）y3∗以用户点踩数作为因变量。模型如下：

公式3 中，Y∗为截取因变量，Y为因变量，X为自变量，β 为系数，µ为误差项。

以此为基础，建立基准模型如下：

公式4 中，Y∗为因变量，表示用户对实时在线评论的认可度，分别通过用户认可度、点赞数和点踩数衡量。自变量为实时在线评论的新颖性、相似性、情感倾向、长度，分别用Novelty、S imilarity、Emotion、Length表示。控制变量为实时在线评论的颜色和不透明度，以Color和Opacity 表示。

4 研究结果

4.1 模型分析

为了提高结果的稳健性和严谨性，本研究分别以用户认可、点赞数、点踩数为结果变量构建模型，并使用Stata15 软件、采用Tobit 模型对用户认可度、点赞数和点踩数的影响因素进行分析。三个模型似然比检验的结果均显示P值在0.01 的水平上显著（Prob>chi2=0.000），这说明用户认可度样本存在选择性偏差问题，本研究使用的Tobit 模型有效。模型分析结果如表4 所示。

分析表4，可以发现该Tobit 模型有如下特点。首先，实时在线评论的新颖性对用户认可度有显著正向影响，相似性对用户认可度有显著负向影响。这说明在刷屏的众多实时在线评论中，如果实时在线评论与出现在其前后位置的评论内容相似度很高，就不会吸引用户的青睐，只有与众不同、内容新颖的评论才会吸引用户的注意力。因此，内容越独特的评论越容易获得用户的点赞，假设H1、H2得到支持。其次，实时在线评论的情感倾向对用户认可度有显著负向影响。这说明用户并不认可情感表达过于强烈的言论，即：当实时在线评论的情感过于极端时，用户对其点踩的可能虽然变小了，但对其点赞的可能却更小。由此，假设H3得到验证。最后，实时在线评论的信息丰富性对用户认可度有显著正向影响。这说明如果实时在线评论的字数很少的话，这条评论可能对用户就没有什么吸引力，用户也不会为其点赞或点踩。当实时在线评论更长时，用户能够从评论中获取的信息就更多，用户也会更认同这条评论表达的内容。由此，假设H4成立。

表4 Tobit 模型分析结果

4.2 稳健性检验

为了检验上述结果的稳健性，本研究改变了自变量新颖性和相似性的测量方法，采用切比雪夫距离替代欧氏距离来测量文本相似度。切比雪夫距离源自于国际象棋，是对向量空间的一种度量，其表达式为：

在稳健性检验中，本研究依然采用Tobit 模型对用户认可度影响因素进行估计，并且将估计结果与上文结果进行比较，以验证结论的可靠性。表5 为稳健性检验的结果，三个模型似然比检验的结果P 值同样都显示在0.01 的水平上显著（Prob>chi2=0.000），说明用户认可度样本存在选择性偏差问题。同时，通过对比可以看出，稳健性检验的估计结果与前述情况基本一致，本研究的假设均得到支持。

表5 稳健性检验

5 结论与展望

5.1 研究结论

用户收视过程中对实时在线评论需求的增加，导致了评论信息的爆炸。对于视频网站而言，管理信息成为一大难题；对于用户而言，良莠不齐的信息会影响其享乐体验。因此，对于在线视频网络平台来说，如何有效识别和管理有价值的实时在线评论信息、提高用户粘性是视频行业亟待解决的关键问题之一。现有视频网站企图通过点赞机制筛选能够得到用户认可的实时在线评论，然而该指标需要长时间累积，效率较低，无法及时识别有价值的实时在线评论信息。因此，本研究以在线评论有用性和信息质量维度框架为基础，对实时在线评论的用户认可度进行研究，结论如下：

第一，实时在线评论的新颖性和相似性作为实时在线评论的主要信息特征之一，对用户认可度有显著影响，即：处于评论池中的实时在线评论与其前后的评论相比越新颖，越能够得到用户的认可。也就是说，越是与众不同的实时在线评论越能得到用户的青睐。

第二，实时在线评论的情感倾向性越极端，用户对其认可度越低。其中，无论是正向还是负向的极端评论都无法获得用户的认同。这可能是因为实时在线评论的信息接受者和信息发布者的观点不一致。比如信息发布者高度赞扬的演员、情节和内容是信息接受者不喜欢的，那接受者可能就会对该实时在线评论点踩。由此可见，用户更喜欢看到中立温和的实时在线评论。

第三，实时在线评论的信息丰富性对用户认可度存在显著正向影响。也就是说，内容越丰富、包含的信息量越大的实时在线评论对用户的价值更大。

5.2 研究意义

本研究的理论贡献主要体现在三方面。第一，本研究丰富了实时在线评论信息管理的相关研究。虽然近年来实时在线评论已成为研究热点，但更多是关于传播学及亚文化研究方面的。本研究基于微观层面分析了实时在线评论信息特征对用户认可度的影响，并构建了高价值实时在线评论识别模型，丰富了现有文献对实时在线评论的研究视角。第二，本研究提出了识别和管理实时在线评论的方法。在深入分析实时在线评论和传统在线评论差异性的基础上，本研究基于信息质量维度框架对实时在线评论的内容信息进行分析，以实时在线评论间的关系为切入点，就内容的新颖性和相似性开展研究，深化了实时在线评论的研究成果。第三，与现有多数关于在线评论的研究不同，本研究通过对实时在线评论的情感倾向性进行分析后发现，情感极端的评论不能获得用户的信服，反而易引起反感态度。该结论进一步完善了现有研究对评论有用性的探索深度和宽度。

本研究结论对视频网站的实时在线评论信息管理具有一定的实践指导价值。第一，视频网站平台可以对实时在线评论进行识别，对于热门电影视频可能存在的实时在线评论冗余情况，可以通过删去价值较低的评论、对价值较高的评论加精等方式使用户能更直观地看到有意义的实时在线评论，从而改善用户的观影体验。第二，根据实时在线评论的识别机制，发现用户青睐独特新颖的实时在线评论。因此，视频网站在进行弹幕管理的过程中，需要特别注意新颖性和相似性的指标，提高那些与众不同的实时在线评论的曝光度，提升用户的认可度。

5.3 研究局限与未来展望

本研究虽然在一定程度上丰富和完善了实时在线评论的研究成果，但不可避免地仍存在一些局限。第一，本研究仅分析了2019 年的电影数据，样本量相对较小，未来研究应尽可能多地选取时间跨度长的数据验证结论。第二，本研究仅选取了电影作为研究样本，但是视频网站的业务很广泛，未来可以尝试研究其他类型的对象，如短视频、电视剧等。第三，本研究对实时在线评论的信息特征进行研究时，在信息质量维度框架的基础上仅考虑了内在信息质量和关联信息质量方面的因素，在未来的研究中应深入挖掘更多的影响因素，如从评论的趣味性等方面开展研究也很有必要。