互联网上有用的酒店在线评论能够帮助潜在消费者评估酒店服务质量,为他们的购买决策提供重要的参考。以在线评论有用性为研究对象,学者们已经对它的影响因素进行了大量的研究,包括评论评分、评论数量、评论文本易读性、评论情感倾向等等。然而随着越来越多的人热衷于拍照摄影记录生活,发表带图评论变的流行,人们逐渐开始关注图片内容对在线评论有用性的影响。虽然已有研究证明将在线评论的文本信息和图片信息相结合可以有效提升在线评论有用性的预测效果,但究竟图片中的哪些内容特征对在线评论有用性的预测效果具有显著影响还缺乏研究。为此,本文围绕用户生成图片中的内容特征对在线评论有用性预测效果的影响展开深入的研究,主要研究内容分为以下三部分:第一,酒店图片物体检测。为了识别用户生成图片中所包含的具体物体,以构建在线评论有用性预测模型中的图像特征,本文采用Faster RCNN算法构建基于酒店场景下的物体检测模型。该方法对图片中的床、灯、厕所、电视、窗户、桌子、椅子、衣橱、浴缸共九种物体进行识别,九种物体识别结果的mAP值为0.505。其中,床这个物体的AP值为0.792,在多目标的物体检测中达到了较高的识别精度,这为构建在线评论有用性预测模型提供了保障。第二,多模态特征构建。为了提高在线评论有用性的预测效果,本文提出了多模态特征构建的方法,即把评论评分、评论文本和评论图片三种不同形态的变量融合在一起。具体的,将评论评分直接输出为一维特征向量;将评论文本处理为文本主观性得分和文本有效长度,输出为两维特征向量;对于评论图片,采用基于Faster RCNN算法的物体检测模型识别图片中的物体,经过特征选择确定床、厕所、电视、窗户、浴缸五种物体输出为五维特征向量。综上,本文得到了在线评论有用性预测模型的多模态融合的特征表示。第三,酒店在线评论有用性预测。为了探究图片中的不同内容特征对在线评论有用性的影响效果,本文选择逻辑回归、随机森林、XGBoost三种机器学习分类模型作为在线评论有用性预测模型,以包含评论评分、文本主观性得分、文本长度三维特征向量的预测模型作为基线系统。为了探究图片中的不同内容特征对在线评论有用性预测效果的具体差异性,分别向基线模型中加入不同的物体构建含有单一物体特征的在线评论有用性的预测模型;为了探究加入图片中识别出来的所有物体特征对在线评论有用性预测模型的提升效果,把全部的物体特征一起加入到基线模型中构建在线评论有用性模型。在线评论有用性的预测结果表明图片中的内容特征对在线评论有用性影响存在差异性,向基线模型中加入不同的物体,在线评论有用性预测模型的提升效果不同,当向模型中仅仅加入窗户时,模型的预测效果在三种方法上得到普遍的提升,而当向模型中仅仅加入电视时,模型的预测效果几乎没有改变,这证明了在关注在线评论有用性的问题上,用户更加关心图中是否有窗户而对是否有电视不太重视;此外,当把所有物体一起加入时,模型的效果普遍得到提升,与基线系统相比,最高提升了 2.6%。该结果表明了本文所提出的多模态特征构建的方法对于解释酒店图片中具体物体对在线评论有用性的影响起到了重要作用。本文的创新之处在于拓展了酒店用户生成图片在在线评论有用性领域的研究,为解释图片中的内容差异对在线评论有用性奠定了理论基础,揭示了酒店用户生成图片中的内容特征对在线评论有用性的影响以及影响的差异性。本研究对于酒店更好的使用和管理在线评论具有指导性意义。酒店可以智能化的识别更有价值的图片和在线评论并把他们呈现给用户,帮助用户做出决策,这对于提升酒店的服务质量和提高酒店的收益具有重要的意义。