随着互联网的高速发展，越来越多的用户在电商平台上进行消费。作为用户消费时重要的决策依据，用户消费后反馈的用户评论在快速增长。海量的用户评论导致用户评论的质量参差不齐，给用户获取有价值的消息带来了巨大的挑战。因此，自动地对用户评论质量进行预测显得格外重要。关于自动预测用户评论质量问题，现有的方法主要聚焦于评论文本中的词法句法等信息，没有利用评论文本中富含的推理论证信息。这些与评论的逻辑、推理和说服力高度相关的信息对评论的质量有着直接的影响。因此，本文尝试对评论文本中的这些推理论证信息进行建模，探究其对用户评论质量的预测是否有所影响。　　计算论辩是探究人类语言中推理论证等建模及计算的一个研究方向。论辩是指文本中含有的推理论证相关的信息。为了探究评论文本中论辩信息对于评论质量预测的影响，本文提出了基于论辩的用户评论质量预测方法，首次通过论辩来建模评论中的推理论证信息，进而将其应用到评论的质量预测中。为了探究基于论辩方法的效果，本文人工地构造了一个基于论辩的用户评论语料库。基于此语料库，本文改进了现有的论辩结构模型并设计了四种不同的论辩特征。为了对比基于论辩的方法和现有主流的各种方法的预测性能，本文在语料库上进行了各种方法的十折交叉验证实验。实验结果表明结合本文提出的基于论辩的方法，现有的各种方法的预测性能都有了显著的提升。这表明评论文本中的论辩信息对评论质量预测有着积极的影响。本文提出的基于论辩的方法可以有效地填补现有工作中对评论文本中推理论证信息利用的空白。