随着互联网技术的发展,网络不可避免地成为了一个巨大的信息集合场所,储存着大量有价值的信息,其中就包含了海量的非结构化信息。信息资源的充分利用过程中,不可缺少的一部分就是将非结构化信息转化为结构化信息,产品评论挖掘就是其中一种。然而目前的产品评论挖掘大部分是基于显性特征的分析,对于隐性特征的分析还不是很成熟。因此本文在考虑隐性特征提取的基础上完成产品评论挖掘任务,从电商网络平台中爬取茶叶评论数据,发掘其中隐藏的有价值的信息。本文首先通过对堆叠降噪自编码器进行无监督的逐层预训练与有监督的微调过程,构建显性特征提取模型,完成产品特征集合的构建;随后通过建立评论语料库的CBOW模型,构建隐性特征提取模型,将未包含显性特征的评论充分利用;其次,在基于现有词典的基础上,利用双向传播法,对现有的情感词典进行扩充;然后,以点互信息作为量化指标,完成对各特征-情感词关联对的量化,以及对产品特征的整体评价;最后对计算的得分进行分析,展现产品评论挖掘的实际价值。