1、隨著Internet和電子商務的發(fā)展和普及，Web在很大程度上改變了用戶反饋觀點的途徑。用戶購買和使用產(chǎn)品之后會在Web上發(fā)表對產(chǎn)品的評論，這些評論中包含用戶對產(chǎn)品性能或功能等方面肯定或者否定的態(tài)度。生產(chǎn)廠商和用戶可以通過分析產(chǎn)品評論獲得大量有用信息。但是，Web上評論信息是海量的，屬于無結(jié)構化數(shù)據(jù)，生產(chǎn)廠商和用戶要想從產(chǎn)品評論中獲取信息只有通過人工閱讀的方式，而這是一個消耗時間且容易產(chǎn)生錯誤的過程。因此，產(chǎn)品評論挖掘的研究應運而生，其

2、中用戶觀點抽取和極性分類是關鍵的技術，具有十分重要的研究價值。
　　 本文針對產(chǎn)品特征詞語的抽取和用戶觀點抽取和極性分類的技術進行了深入研究，主要包括以下幾個方面：
　　 首先，介紹了產(chǎn)品評論挖掘的研究背景及意義和國內(nèi)外研究現(xiàn)狀，闡述產(chǎn)品評論挖掘中的關鍵技術。同時，提出了進行評論數(shù)據(jù)的預處理的一套方案。
　　 其次，研究分析了基于統(tǒng)計和基于模式抽取和匹配的產(chǎn)品特征詞抽取算法，并將二者結(jié)合起來分別用于高頻和低頻特征

3、詞的抽取。抽取包含名詞的詞語序列作為候選特征詞，并制定三個規(guī)則進行裁剪獲得高頻特征詞。隨后，利用模式抽取和匹配的方法尋找低頻特征詞。實驗結(jié)果表明，基于統(tǒng)計和基于模式抽取和匹配的產(chǎn)品特征詞抽取算法比基于關聯(lián)規(guī)則挖掘頻繁項集和使用支持度裁剪的方法取得了更好的效果。抽取出的特征詞語劃分為通用特征和專屬特征，并構建產(chǎn)品特征庫。
　　 然后，提出一種基于句子依存關系產(chǎn)生特征和觀點關聯(lián)對的算法。從評論句子中提取出詞語的詞性和詞語間的依存關系

4、，組成依存關系詞性對，并通過特定的依存關系詞性對來產(chǎn)生特征和觀點關聯(lián)對，以此找出用戶觀點和產(chǎn)品特征的對應關系。
　　 接著，研究提出了特征和觀點關聯(lián)對的極性強度計算方法，根據(jù)計算結(jié)果進行用戶觀點的極性分類。使用基于HowNet等資源的中文極性詞典判斷特征和觀點關聯(lián)對的極性和計算極性強度，并進一步說明對產(chǎn)品型號、產(chǎn)品特征和評論文本進行極性分類的方法。實驗結(jié)果表明，基于特征和觀點關聯(lián)對和極性詞典的極性分類方法對中文產(chǎn)品評論的用戶觀點