Web2.0时代背景下,随着社交网站及自媒体的迅速发展,以知乎、quora为代表的社交问答网站逐步取代了传统的搜索式问答网站。与百度知道、新浪爱问这些基于捜索引擎的问答网站相比,社交问答网站大多不依靠权威机构或专家提供信息,而是采用UGC(用户生产内容)的方式,以“社交关系”和“问答机制”为基本特征。社交问答网站中的每个用户都同时扮演着信息接收者、信息提供者和信息传播者的三重角色。因为社交问答网站鼓励人人参与内容创作与分享的特点,网站内容的质量不可避免的会受到影响,为了帮助网站选取高质量内容进行推送,保证网站中高质量内容得到应有的传播,同时对低质量内容进行限制和改进,对答案质量的评价是必不可少的。本文主要针对社交问答网站中答案的质量评价方法进行研究,以信息采纳模型作为理论基础,在对国内外社交问答网站相关研究进行梳理后,对知乎网站实际数据进行分析,选择答案表层属性、答案文本属性、答题者影响力属性、答题者专业性属性四个方面的特征作为初始的评价指标。利用网络爬虫抓取了知乎网上具有代表性的9484条“问题-答案-答题者”信息,通过数理统计、机器学习、基于情感词典的文本情感值计算等方法提取了答案质量评价的相关特征,运用特征工程相关方法对特征进行筛选,得到包括文本长度、平均句长等共13个特征的指标体系。通过对几种机器学习分类算法实验结果的对比,选择了效果最佳的随机森林算法进行模型构建,最终模型在测试集上的实验结果显示模型的分类准确率达到79.6%。通过在模型中逐步代入特征集和分析模型中各特征的重要性权重验证了答题者特征对于答案质量评价的作用。本研究的创新点在于在现有的答案质量评价体系基础上加入了答题者相关特征,同时考虑答案表层特征、文本特征和答题者特征的影响,并利用网站的真实数据,建立了社交问答网站答案质量评价模型,通过在模型中逐步代入特征集验证了答题者特征对于答案质量评价的作用,丰富了问答网站答案质量的研究思路,同时为社交问答网站管理者提高网站内容质量提供了参考。