对信息过载的Web2.0背景下的电子商务而言，如何处理大量的网络口碑（OnlineWOM），快速准确获取帮助顾客做出满意购买决策或是帮助供应商改进产品和服务的知识日益成为业界和学界关注的焦点。论文围绕这种需求，选择高价值、专业化且尚无成熟互联网销售模式的汽车商品作为研究对象，以奥迪Q5的网络口碑数据为例，主要解决三个具体问题：1）作为具体的，较为成熟的一型产品，奥迪Q5的产品优势和劣势各是什么？2）在线口碑是否能反映顾客在购买及使用产品过程中的真实情感，如果可以，怎样刻画？3）如何在这些口碑数据中找到离群点，并分析这些点的特征和形成机制以产生异类知识？全文逻辑如下：首先，原始数据经过NLP过程，所有产品属性以顾客集体意见倾向性排序，明晰了产品的优劣势，与此同时，也产生了进一步研究所需要的基础数据集。此外，面对目前学界对网络口碑有用性的争论，论文强调网络口碑只有反映顾客在购买和使用产品过程中的真实情感才有价值。据此，论文利用回答第一个问题时产生的形式为{意见持有者，产品属性，分句，极性}的基础数据集，设计了个人差评度和修正个人差评度两个指标。进而由多重线性回归找到了在线评论刻画顾客真实情感的方法。这证明论文由在线评论数据明晰的产品优劣势是可靠的，同时也为后文构建有效坐标空间，进而发现异类知识做了准备。最后，论文以outlier视角对口碑数据在“个人—集体意见”和“评论—评价”两个坐标空间内实施了例外挖掘，尝试梳理outlier样本的特征以获取异类知识。论文主要的实践贡献在于明晰了奥迪Q5不同维度的产品优劣势，为顾客购买决策和供应商改进产品提供了有益参考。另外，研究从outlier视角，发现异类口碑的不满情绪与汽车油耗高度正相关，为从业者探索新的顾客行为规律提供了可能。，论文的主要理论贡献在于：管理视角下，以通用的知识发现框架为基础，综合成熟的离群点检测和知识分类提出了网络口碑异类知识发现过程。技术视角下，论文设计的以产品属性的集体差评度作为权重，代替修饰词典参与到个人评论情感计算的方法能够在降低情感计算主观性的同时，显著且稳定的刻画顾客的真实情感。