文章主要对豆瓣读书平台中书评及短评两个栏目中的优质书评及其跟帖特点进行分析，具体包括了优质书评的跟帖回复时间规律、优质书评的跟帖内容分析、字数与书评有用性的联系这三部分内容。文章通过编写python网络爬虫获取所需的书评内容、字数、点赞数等数据，利用ROSTCM、SPSS等软件从跟帖和书评的角度分析用户互动行为。并得出用户在进行发表书评或跟帖互动的时候并不一定需要追求信息量，不同图书类型下用户的跟帖互动情况相差很大等一系列结论，对于相关平台开展书评活动有一定的指导意义。
目录
摘要1
关键词1
Abstract1
Key words1
引言2
一、研究现状2
二、研究设计3
（一）研究方法 3
（二）数据收集 4
1．书评跟帖时间分布4
2．字数特点与书评有用性的关系4
3．书评及其跟帖的联系5
三、数据分析5
（一）书评跟帖时间分布5
1．小说类跟帖发表时间分布5
2．作者重复性分析7
3．互联网类跟帖发表时间分布8
4. 跟帖数量变化总趋势9
（二）字数与书评有用性的关系10
1．书评字数与有用性10
2．短评字数与有用性11
（三）优质书评的跟帖内容分析12
四、结论与建议13
致谢13
参考文献13
图1 添加新词至词表5
图2 《追风筝的人》书评跟帖发表时间5
图3 《霍乱时期的爱情》书评跟帖发表时间6
图4 《活着》书评跟帖发表时间6
图5 《月亮与六便士》书评跟帖发表时间6
图6 《围城》书评跟帖发表时间6
图7 《百年孤独》书评跟帖发表时间7
图8 《解忧杂货铺》书评跟帖发表时间7
图9 《追风筝的人》书评1、书评2跟帖8
图10 《失控》书评跟帖发表时间9
图11 《长尾理论》书 *景先生毕设|www.jxszl.com +Q: *351916072* 
评跟帖发表时间9
图12 《人人都是产品经理》书评跟帖发表时间9
图13 优质书评跟帖历年发表分布图10
图14 优质书评跟帖发表累计量10
图15 《百年孤独》书评的长度与点赞量散点图10
图16 《百年孤独》短评的字数与有用数散点图11
图17 《解忧杂货铺》书评与跟帖词频12
图18 《百年孤独》书评与跟帖词频12
表1 小说类书评跟帖数据图4
表2 互联网类书评跟帖数据4
表3 在多个书评中跟帖的作者数8
表4 在同一书评中多次跟帖的作者数8
表5 书评字数与有用性相关分析11
表5 短评字数与有用性相关分析11
豆瓣书评用户互动行为研究
引言
引言
现阶段国内外涌现出了许多在线社交网络平台如微博、Facekook等，这些不同定位的社交网站都一定程度上的拥有共享内容、用户互动等功能。随着使用者和使用频次的增多，数据量呈指数增长，大数据技术应运而生。在这一背景下，对用户行为的研究和预测逐渐增多。而网络微阅读平台的出现也使得基于阅读平台的用户互动行为不断增多，对这一数据进行的分析正成为研究的热点。
本文主要研究豆瓣读书平台书评用户的互动行为特点，通过分析优质书评跟帖的回复时间分布趋势、书评内容与用户跟帖内容的联系、字数特点与书评有用性的关系等途径探究用户的行为规律，即从跟帖和评论特点的角度，揭示用户的互动行为特点。
本文的研究意义在于促进研究人员对书评阅读者行为模式的了解，同时也向相关知识传播平台提供了理论指导。在知识传播平台该如何提供书评或微书评服务，针对用户行为规律改进服务，促进用户深度阅读，提高用户的学习体验等，本课题的研究对这些的实现具有一定的现实意义。
一、研究现状
国内研究者对网络阅读平台用户互动行为的研究主要就用户互动关系网络特征、微博用户行为特征和关系特征、微博用户类型研究等内容展开讨论，提出网络平台中潜在的忠实型用户能够在较大程度上控制信息的流动等观点。张兴刚以“十点读书”这一微博的用户为研究对象，利用描述性分析法对调查时间段内平均每天发表的微博数、点赞数、转发数等数据进行了统计，探究了这一特定微博账号发表的微博中用户互动行为特征；采用社会网络方法，利用 Ucinet 及 NetDraw 通过社群图、结构密度、中心度、凝聚子群等多项指标对该微博账号下样本用户形成的社会网络的网络结构和属性特征进行分析，分析了用户之间互动频繁程度、积极程度等[1]。张云研究了社会化阅读平台中用户的评论和回复行为，使用社会网络分析法分析了书评作者之间通过回复这一行为形成的社会关系网络结构和属性特点，揭示了豆瓣阅读平台用户之间回复行为的特征，并提出了社会化阅读平台相应的改进意见[2]。
在现有的研究中鲜有针对社会阅读平台中书评特点对用户跟帖互动情况影响的研究。部分学者对评论有用性展开研究，姜巍等人主要研究了评论之间的语义关联，综合多方面可能因素分析了评论对于用户需求的有用程度，提出一种基于复杂网络的评论有用性分析方法[3]。闫强探究了用户对在线评论的感知情况，考虑情感倾向、评论深度和可读性三方面因素建立了在线评论感知有用性影响因素模型，并以豆瓣网收集的用户评论进行验证，得到拥有较为极端的情感倾向和较长的正文的评论会正面影响在线评论的感知有用性的结论[4]。
大部分的研究是对社会媒体、微博或微信中文章的信息质量与用户的互动关系展开讨论，并得出一系列影响信息质量的因素，与本文中书评这一作用对象不同。宋维翔等人采用访谈的方法研究了微信公众号信息质量与用户行为的关系，发现信息质量指标中适用性、原创性、丰富性、适量性、时效性、权威性等指标对用户互动行为具有显著的正向影响，同时探析了导致质量存在差异的因素[5]。韩晓晖依据二元分类提出了一种检测低质量回帖的方法，并对社交媒体如何更好的进行信息质量的评价和管理控制进行研究, 着重分析了社会化媒体的事件检测及信息质量评价, 使用论坛的回帖数据探析了如何对不同质量的信息进行分类和排序的方法[6]。莫祖英以新浪微博数据为研究对象开展了微博信息内容质量评价及质量对比分析，通过相关分析挖掘出影响微博转发和评论行为的关键质量指标，深入分析微博信息质量对用户利用情况的影响，并得出微博信息内容质量中的文本信息量、信息内容类型和信息真实性质量是影响微博信息利用的关键质量要素的结论[7]。Harper等人以几个著名的问答社区为例，以网站统计数据如用户积分，用户等级，回答投票数，点击数等为依据，统计分析了影响问答社区中评论质量的关键因素，还研究了不同问答社区评论质量的差别[8]。

原文链接：http://www.jxszl.com/jsj/xxaq/564041.html