随着Web2.0和电子商务的快速发展，在线评论的作用得到越来越多消费者的关注。在线评论由广大普通用户生成，提供了关于产品及服务的客观信息，消费者可以利用其他用户的评论辅助自己的决策，而商家可以从大量评论中收集用户的反馈信息。正是由于在线评论评论包含的巨大价值，针对在线评论的分析需求显得十分迫切。然而针对在线评论的分析却面临着许多挑战。首先，在线评论数量巨大，通常针对一个产品就包含数百条评论，无法通过人工手段进行分析，需要采用自动化技术对评论进行分析；另外，由于在线评论由普通用户生成，其质量难以保证，不同评论之间的有用性差异较大。因此，学者们开始关注于在线评论的有用性估计问题，尝试从大量的评论中发现小部分具有高有用性的评论。对于评论有用性的研究，其主要目标在于发现影响评论有用性的各类因素，进而采用先进的估计方法进行实验验证。对于评论的文本特征和产品特征学者们已经进行了充分的研究，目前学者们开始关注于评论发布人因素的影响。为此，本文以前人研究作为基准，使用更为全面的评论人相关特征改进评论有用性的估计结果。另外，前人的研究绝大多数停留在聚合层面，本文尝试直接利用有用性投票数据进行估计。本文率先考虑利用投票人因素改进有用性投票估计，包括历史投票、投票人与评论人之间的信任关系以及评论人之间的信任关系三个方面。最后，我们对本文涉及的多个估计模型进行了对比分析。本文研究对于在线评论有用性估计的研究提供了新的视角，同时本文使用的估计模型也可以为实际评论系统的改进提供参考。