随着信息技术的发展,电子商务的规模越来越大,创造的价值越来越多,给人们带来了许多便利。但是随着网上产品的增多,消费者购买到合适产品的难度也在增大。因为网络上企业发布的信息大致相同,而反映客户真实想法的网络评论体系又不完善。网络评论虽然是从顾客的角度真实描述产品和服务的信息,但是数量太过巨大,消费者不能一一阅读,严重制约了消费者的决策效率。一个好的网络评论体系应该具备两个功能:一方面能够帮助消费者快速的从海量数据中找到有用信息;同时还能够帮助商家合理有效的管理和利用负面的评论。建立一个完善的网络评论体系已经是企业和网站的当务之急。很多的服务型网站都设有用户评论的专区,但评论的方式和评论有用性的侧重各不相同,而在本文中所使用的数据是从网络评论体系较为完善的亚马逊网站上采集的。本文意在找到影响评论有用性的属性特征,并利用这些属性建立一个可以预测评论有用性的模型,然后通过用户评论有用性打分系统对模型进行检验,最终建立一个完善的网络评论体系。本文主要采用实证研究的方法,首先,在亚马逊网站上采集了不同品牌、不同时间段关于手机的评论信息,结合前人的研究成果,提出了影响网络评论有用性的若干个假设因素。然后,通过人工标记的方法得出文本属性的特征值,提出了情感倾向和属性描述两个方面的文本假设,利用回归分析找到影响文本有用性的属性特征并得出模型。本文所构建的模型可以为电子商务企业更好的了解客户诉求、改进产品质量、调整企业重心提供理论依据。也为电子商务企业如何快速推荐有用性高的网络评论提供技术指导。这一研究成果对电子商务行业的发展以及消费者决策效率的提高都具有重要意义。