In this paper, we examine a previou

In this paper, we examine a previously ignored yet important research question concerning the online user reviews: Why do some reviews not receive any votes on their helpfulness, while other reviews receive many votes? The helpfulness voting mechanism works effectively only when online user reviews receive helpfulness votes. We address this question by investigating the impact of various characteristics of online user reviews on the number of helpfulness votes that reviews receive. We categorize characteristics of online reviews into three types, namely, basic, stylistic and semantic. Text mining techniques and ordinal logistic regression models are employed to investigate more than 3400 online reviews of 87 different software programs from CNET Download.com. A number of practical and research implications can be derived from this study.

結果 (繁體中文) 1:

在本文中，我們審查以前被忽略，但重要的研究問題線上使用者評論︰ 為什麼做一些評論不接收任何票對他們樂於助人，而其他審查收到很多票？樂於助人投票機制有效地工作，只有當線上使用者評論收到樂於助人的選票。我們通過調查審查收到的樂於助人得票數目的線上使用者評論的各種特性的影響來解決這個問題。我們對線上評論分為三類，即基本、 文體和語義特徵進行分類。文本挖掘技術和序號的 logistic 回歸模型進行調查超過 3400 線上評論的從 CNET Download.com 87 不同的軟體程式。從這項研究，可以得到大量的實用和研究影響。

結果 (繁體中文) 2:

在本文中，我們將考察有關網上用戶評論先前忽略而重要的研究問題：為什麼一些評論不接受他們的樂於助人的選票，而其他評論得到很多選票？樂於助人的表決機制有效運作，只有當在線用戶評論收到樂於助人票。我們通過調查的重要的是審查接收樂於助人票數網上用戶評論各種特性的影響，解決這個問題。我們分類的在線評論的特點分為三種類型，即基本，文體和語義。文本挖掘技術和有序Logistic回歸模型被用來調查從CNET Download.com 87個不同的軟件程序超過3400在線評論。一些實用和研究的意義可以從這項研究得出。

結果 (繁體中文) 3:

在本文中，我們研究一個以前被忽視的但重要的研究問題有關的線上用戶評論：為什麼有些評論沒有收到任何投票對他們樂於助人，而其他的評論獲得多少選票？樂於助人的投票機制有效地運作，只有當線上用戶評論收到的樂於助人的票。我們解决這個問題，通過對線上用戶的評論，樂於助人的票數，評論接收各種特性的影響。我們將網絡評論的特徵分為三種類型，即基本的、文體的和語義的。文字挖掘科技和有序Logistic回歸模型來從CNET Download.com網站調查超過3400的線上評論的87個不同的軟件程式。一個實用的和研究的影響，可以來自這項研究。