随着“互联网+”电影产业的深度融合,各种在线电影平台不断更新迭代,网络售票和在线选座服务全球领先,观众可以随时在网上购买电影票和发表电影评论,现有研究表明在线影评不仅影响电影票房和口碑,而且能够反映出网络口碑导向和观众价值取向,具有重要的研究价值。然而处在大数据时代,由于海量影评造成的信息过载以及评论质量参差不齐等问题,导致观众无法有效辨别和利用其中有价值的信息,进而影响决策效率,因此面对海量影评,如何快速识别出对消费者决策有用的信息,如何高效把握大众偏好进而创作出更多更受欢迎的高质量电影作品,已经引起学术界的广泛关注。围绕以上问题,本文开展融入LDA主题分析的在线影评有用性研究,探索影响在线影评有用性的相关因素,分析观众对电影的情感态度,找出影评内容中隐含的潜在主题特征。首先,为了解答“什么样的在线影评对观众更有用”这一核心问题,本文以信息采纳理论为分析框架,从影评内容质量和影评者的角度,选取影响在线影评有用性的特征因素,进而构建出在线影评有用性的理论模型,并利用Stata14.0软件进行回归分析,定量刻画出各指标因素与影评有用性之间的关系。研究发现消费者在感知电影评论是否有用时,相比于影评者属性,更加关注电影评论内容本身,而且影评的评分极性对在线电影评论有用性有显著作用。然后,细化分析影评中富含的主观态度,了解观众偏好,以此“探讨有用性强、质量高的影评具备哪些特征主题”又一核心问题,本文先通过对数据预处理后的影评进行词频统计和Wordcloud可视化,发现有用性强、质量高的在线影评中富含大量强烈情感色彩的词汇;之后,利用baidu-AI开放平台的情感分析工具,基于Bi-LSTM神经网络的情感分类模型准确高效地将九种不同类型共计180部电影的电影评论分为中性、正向和负向三类,并统计分析其情感强度;最后,基于LDA主题模型对完成情感分类的影评进行主题提取,采用困惑度和平均相似度确定最优主题数目,并列出各类别里前四位主题的核心特征词进行展示。结果发现观众发表的观影评论中那些高质量的有用影评内容主要围绕六个方面,分别是电影人物、导演和编剧水平、故事情节、电影题材、场景设计、电影价值观。本文的主要理论和实际意义在于:第一、将电影评分作为控制变量融入信息采纳模型中,拓展了信息采纳模型在电影评论领域的应用,以观众角度研究在线影评有用性的影响因素;第二、从海量电影评论里快速筛选出对观众有价值的影评信息,提高观众做出观影决策的效率;第三、观众对在线电影评论有用性的感知来源于对影评中情感的认同,本文帮助电影制作方分析观众主观态度,把握观众偏好,为其创作出更受欢迎更高质量的作品提供参考;第四、本文提取出观众对电影的核心关注点,最大化地发挥出在线影评的价值,有利于促进电影产业的蓬勃发展。