随着学术专著（或图书）的数量不断增加，评价图书的影响力问题日益重要，评价的结果可用于学术图书的推荐，例如，在某一领域，从众多的学术图书中挑选出有影响力的图书，推荐给要进入该领域的初学者。
      与传统的论文或期刊评价不同的是，学术图书的被引信息相对较少（在自然科学领域，学术图书被引信息更少），完全从被引角度来评价学术图书影响力存在一定的难度。另外关于图书的专业书评信息也较少，有些图书是有了一定影响力之后才出现书评。因此，从可依据的资源来看，评价学术图书的影响力比传统的论文或期刊评价难度要高。
      当前，已有研究者利用Google Books、图书馆藏量、出版社声誉等信息来对图书进行替代式的评价(Altmetrics)，然而这些方法还过于宏观、没有从内容层面来对图书影响力进行评价，并且无法判断影响力背后的实际原因。
      为此，我们利用网络上（特别是电商网站上）关于学术图书的丰富的评论文本，进行文档与属性层面的评论挖掘，来考察学术图书的影响力。在试验中，我们以中文学术图书为例，具体做法为：

      首先，以“中国人文社会科学图书学术影响力报告”（2011年出版）中的学术图书为基础，我们选择经济学、管理学、图书情报、心理学以及文学等5个学科领域的图书作为实验对象。将以上5个学科领域的图书在亚马逊中文站点上的图书评论采集下来。  
      然后，我们利用评论挖掘技术（主要为多粒度情感分类，包括段落级情感分类、属性识别与属性情感极性分类等方法）对图书评论进行多粒度的挖掘。

      接着，我们利用图书的正面评论数、负面评论数、属性情感值、图书评论星级（1~5）、评论有用性信息（0~1），通过熵权方法进行融合，得到图书的综合分值。

      最后，对图书影响力分值与传统图书被引频次进行相关性分析。

      相关性分析结果表明：虽然不同学科领域有明显差异，但是在线图书评论确实能够反映图书的学术影响力。因此，我们认为从替代计量角度来看，在线评论可以作为挖掘图书多粒度、内容层面影响力的有效资源。此外，我们提出的方法也可用于评价学术出版物之外的其他图书的影响力。

      我们的具体工作可以参加如下论文：

      Qingqing Zhou, Chengzhi Zhang*, Star X. Zhao, Bikun Chen. Measuring book impact based on the multi-granularity
online review mining.  Scientometrics. 2016. http://dx.doi.org/10.1007/s11192-016-1930-5


      感谢赵星、陈必坤老师在论文修改过程中给予的有价值的建议。