Web2.0的兴起使网络信息由企业和商家主导转向由消费者生成和创造,这种由用户生产和传播的网络信息称为用户生成内容(UGC),在线用户评论是用户生成内容的重要方式,在线消费用户以文本内容的形式对购物过程的感知体验进行开放式发布,用户在电商平台进行购买和评论行为的同时,电商平台也记录了消费者的行为时间轨迹,不同评论行为特征表现的消费者通常具有不同的时间行为习惯,通过时间记录的用户特征规律分析,能够为消费者、企业、平台和厂商提供不同时间段的商品购买、评论信息规律,同时也是用户行为分析和商品推荐的重要渠道。本文在对国内外在线用户评论研究成果进行梳理、分析的基础上,综合运用文献分析、实证分析、社会网络分析等研究方法,基于技术接受模型(TAM)的理论框架,从外部因素、有用性因素和情感因素3个维度进行在线用户评论行为时间特征规律的知识发现研究。本研究主要包含几方面的内容,第一章和第二章分别为绪论和相关理论介绍;第三章在线用户评论行为机理与时间特征研究,对在线用户评论行为与评论时间的内在关联关系进行分析,是全文的理论基础;第四章基于TAM理论,对在线用户评论行为对评论时间的影响因素进行研究,分析外部因素、有用性因素和情感因素对评论时间的整体影响趋势;第五至七章分别基于外部因素、有用性因素和情感因素详细阐述在评论时间序列区间各指标因素的分布规律;第八章基于以上分析结论,提出应用于实践上的一些管理策略。具体如下:第一章阐述本文的研究背景与研究意义,在文献阅读的基础上对国内外研究现状进行述评,并对本文的研究内容与研究方法进行说明。第二章重点对在线用户评论的概念、知识发现的概念以及知识发现分析方法进行综合阐述,并解释说明本文分析中应用的相关理论模型。第三章重点对在线用户评论行为机理与时间特征进行研究。首先分析在线用户评论行为机理,然后分析在线用户评论行为与评论时间的驱动关系,对在线用户评论行为时间特征进行分析,最后构建在线用户评论行为时间特征规律的理论模型。第四章重点阐述在线用户评论时间的影响因素,应用并改进技术接受模型提取指标要素,包括在线评论外部数据、评论有用性和评论情感,通过构建回归分析模型,对消费者评论行为的时间序列特征进行假设验证。研究结果表明,用户等级对评论的时效性存在正向影响,星级评价对评论的时效性存在负向影响,评论质量负向影响在线用户评论的时效性,情感强度对评论的时效性存在正向影响,点赞数量与语义深度对评论时间影响作用不显著。第五章基于外部数据的用户评论行为时间序列关联特征规律研究。本章将用户评论外部数据作为技术接受模型的指标,基于行为动力学分析用户评论时间序列关联特征指标,创新性地提出将评论的时间间隔划分为时间序列的方法,对评论元数据内容进行时间序列的关联特征规律分析与知识发现研究。第六章基于评论有用性分析用户评论行为时间序列关联特征规律,将技术接受模型的有用性和易用性指标转换为在线用户评论质量因素应用于本文研究,通过文本挖掘方法,结合模糊综合评价算法和K-means聚类算法,对评论质量进行排序与分类,对不同时间序列区间评论质量分布进行归类,并对优质评论产品特征词、情感词分布以及“特征词—情感”关联度进行分析,探讨在线评论质量时间序列关联特征规律的知识发现。第七章基于情感分析在线用户评论行为时间序列关联特征规律,将用户评论情感视为技术接受模型的使用态度指标,通过文本语义情感挖掘方法,对不同时间序列区间的情感极性、情感强度以及情感语义关联度进行分析,通过对不同时间间隔情感词汇的词频统计,使用支持向量机分类方法对情感极性进行有效分类,总结不同情感极性的时间序列分布特征,发现评论情感的时间序列关联特征规律。第八章基于时间特征规律发现提出管理对策研究,基于“时间-信息-人”的研究范式,从时间角度论述各个行为时间阶段内,用户行为时间特征规律对不同对象的管理应用;从信息角度,阐述外部因素、有用性因素和情感因素3个方面的时间特征规律管理模型;从信息人的角度,对消费者、电商平台、销售企业和生产厂商4个方面提出对应的管理启示,最后提出具体的管理策略。本研究在理论层面,完善了在线用户评论研究体系结构,弥补了现阶段该领域研究粒度较粗、忽视时间维度作用功能以及研究体系不完善等不足,为在线用户评论行为时间特征规律分析提供了系统的理论研究框架;在实践层面,能够为消费者提供购买决策指引,指导商家改进服务及管理,帮助上游厂商优化生产,完善电子商务平台的运营管理模式。