在线个性化产品定制以响应快速、购销便捷、价格相对低廉等优势,越来越得到商家和消费者的青睐。准确、全面地获取消费者的个性化需求是个性化产品定制中的关键环节。传统的消费者个性化需求信息调查有问卷法、访谈法等,受人力成本、地点等的限制,这些方法并不能全面、准确地获取个性化需求。电子商务技术的迅猛发展使网上购物逐渐发展成当代人购物消费的新模式,售后网络评价数量庞大、内容丰富、覆盖面广泛,是消费者选择商家和品牌、制造企业改进和开发产品的重要依据,具有宝贵的商业价值和研究价值。因此,从在线产品评价信息中挖掘消费者的个性化需求,对于提高消费者满意度和企业竞争力具有重要的理论意义和现实意义。当前,在线产品评价信息的挖掘主要集中在主题的识别、产品特征提取、观点词的挖掘、态度极性判定等方面。这些研究,在处理海量评价信息挖掘方面还存在以下不足：(1)由于互联网的开放性以及消费者发表言论的自由性,在线产品评价信息中包含了大量的对获取个性化需求没有帮助的垃圾评价,如果不对这些垃圾评价进行预处理将会严重影响个性化需求获取的质量；(2)以往的研究过于强调事实性评价或者意见性评价,忽略了信息冗余现象,使数据库中信息检索工作量大幅增加。本文在产品设计、消费者个性化需求获取、在线产品评价信息挖掘等理论知识和方法的基础上,提出了在线产品评价信息的二值分类法、基于Novelty的个性化需求获取冗余信息处理方法和基于极性词情感倾向辨别的个性化需求获取方法,经过实证分析,能够更加准确、全面地获取消费者的个性化需求。1.在线产品评价信息中垃圾评价的识别研究。对垃圾评价进行了定义及分类,把垃圾评价的识别看成是在线产品评价信息的二值分类问题,即把在线产品评价信息分为“垃圾评价”和“非垃圾评价”两大类,利用SVM的方法实现在线产品评价信息中垃圾评价的识别,筛选出有利于个性化需求获取的产品评价信息,为更加准确地获取消费者的个性化需求做好数据预处理。2.基于Novelty的个性化需求获取冗余信息处理方法研究。分析了主题词与极性词的关系,设计了<主题词,极性词>搭配关系对提取的算法流程。提出了个性化需求获取的冗余信息处理挖掘模型,设计了个性化需求获取的冗余处理算法,减少了挖掘个性化需求的工作量以及信息检索的工作量。3.基于极性词情感倾向辨别的个性化需求获取方法研究。依据知网构建了基于个性化需求获取的极性词词典,并对极性词的情感倾向辨别的算法流程进行了设计。根据极性词的情感倾向辨别结果对情感倾向为贬义的极性词进行筛选,设计了基于极性词情感倾向辨别的个性化需求获取算法流程,更加准确、全面地获取消费者的个性化需求。4.文章最后根据本文的研究内容进行了实例验证,搭建了实验环境,并对实证结果进行了分析。采用Java编写的爬虫程序从淘宝网抓取了一款畅销的智能手机的评价记录对本文提出的方法进行了实例验证。通过本文选择的特征向量,对垃圾评价识别的准确率达到了89.2%；基于Novelty的个性化需求获取冗余信息的处理实验中,经过设置不同的新颖度阀值进行多次实验,使算法的最佳性能到达了93.2%；极性词情感倾向的辨别实验结果表明,本文采用的方法对褒义词的识别准确率达到了90.3%,对贬义词识别的准确率达到了81.6%。