随着电子商务的飞速发展,“网购”已然成为了一种全新的消费模式。各个在线购物平台的评论功能,鼓励人们在消费后对使用感受进行评价。数以万计的评论数据包含着消费者对产品不同方面的不同看法,由于每条评论在句子结构、表达方式上有所不同,想要人工进行处理和分析十分耗费时间,面对这样的问题,诞生了针对评论文本的观点挖掘技术。对产品评论的观点挖掘,不管是对消费者还是商家,都是非常重要的决策依据:对于消费者,挖掘评论中的观点信息可以在购买时提供参考,及时掌握产品的口碑和优劣情况,从而做出最优的购买决策;对于商家,通过观点挖掘技术,可以直观迅速地了解消费者对某一产品甚至具体产品特征的观点倾向,及时掌握市场动态,从而有针对性地做出优化决策,提升市场竞争力。目前,对于评论的观点挖掘研究大致分为了基于机器学习的有监督方法和基于句法词典的无监督方法。尽管机器学习方法表现突出,但模型对于结构复杂的句子拟合效果不好;而无监督方法主要借助了观点元素间的语法语义搭配关系,通用性和解释性都更强。目前大部分无监督的观点挖掘采用了依存句法分析方式,通过构建句法规则或模板,从评论中提取出与观点有关的文本片段并分析。本文针对目前通过依存句法规则提取观点的研究中存在的问题,提出了从评价对象、情感词、核心谓词三个角度为中心建立17条依存句法规则来提取＜评价对象,情感词＞这种观点搭配二元组的方法,增加观点挖掘的准确率与覆盖范围。为扩展评价对象与情感词的语义边界,本文在17个前序规则后提出ATT链和COO链两个后序句法规则,使得观点语义更加完整。实验结果在精确率P、召回率R和F1值上表现良好,有效证明了本文方法的可行性和应用在不同领域产品评论上的适应性。另外,针对观点挖掘中对于副词的提取不完整的情况,本文在提取出观点搭配二元组后提出了4种针对不同情况的ADV句法规则来提取程度副词或否定词,形成＜评价对象、情感词、程度词＞的观点搭配三元组,扩展观点挖掘工作。为了整合并分析所提取的观点,本文通过Word2Vec词向量技术构建了不同领域的产品特征词典,形成更加完整的＜产品特征,具体特征描述,情感词,程度词＞的观点搭配四元组。最后根据情感量化公式,为每一个观点计算情感倾向值,将属于同一产品特征的观点得分整合并以图表的方式可视化,为消费者购买产品、商家改良产品提供决策依据。