图书是人的精神食粮,作为传递人类智慧,传播大众知识的产物是我们人类社会不可或缺的必要性产品。然而,由于现有图书数量过于庞大,种类的繁多,以及找不到同类图书中较好的图书,加之质量的良莠不齐,使得人们在购买图书以及阅读时,常常出现选择困难,甚至无法对图书的优劣做出一个合理的判断。因此,若能为图书的使用者,提供一个辨别图书“好坏”的方法,将能够解决“选择困难和良莠难辨”的困惑,让图书出品人出好书、销售商卖好书、读书人读好书。为了更加客观的评价“图书质量”,本文提出了“语义好评度”的概念,并且基于图书评论大数据给出了语义好评度计算模型。该模型首先,以图书销售网站中的大量图书评价信息为基础,通过定义语料切分词规则,标注语料词性,提取核心关键词来实现图书语料的抽取,经过过滤和去重,保留有利用价值的评价文本。然后,在此基础上构建主题分类词典,并且对于不同的主题类构建图书评价倾向性词典,包括情感词典,程度词典,否定词典。为了实现动态更新,采用数据驱动的方法计算不同词典的权重值。为了提高语料的利用效率,设计了将图书评论按照不同主题进行语料聚集。最后针对不同类别的主题评论,通过单句级、用户级、图书级逐级语义好评度计算方法的设计,实现基于规则与统计的图书语义好评度计算算法,该算法能够对图书的不同主题进行语义好评度计算。本文设计并实现了一个基于图书评论大数据的语义好评度计算模型,并且根据图书销售网站评论语料进行实验验证,实验结果表明该计算方法能够很好的反应图书的受欢迎程度,从而为读者挑选图书提供更好的参考指标。