随着Web2.0时代的到来,电子商务的蓬勃发展,改变了人们的消费方式和企业的生产经营方式。用户反馈在电商平台上的海量评价文本中蕴含着丰富的、有价值的信息,合理挖掘和利用这些信息,为生产企业的产品质量监管提供新方式。本文的主要研究内容包括:(1)显性产品特征的提取。本文提出了基于模式匹配的方法,通过对大量的评论进行分析,根据依存语法和词之间的句法依存关系等理论,总结了产品特征需要满足的五个准则。试验结果表明,本文提出的方法是可行、有效的。(2)隐性产品特征的提取。本文提出了考虑上下文权重的方法,该方法通过计算特征相似度、特征聚类等步骤构建产品特征类和情感词的共现矩阵;通过计算上下文特征权重来评估上下文信息的可信度;综合考虑情感词和上下文特征进行隐性产品特征的提取。试验表明,本文提出的方法降低了算法复杂度,提高了隐性产品特征提取的准确率和召回率。(3)特征-语义关联结构树的构建及网络关键参量的统计。本文综合考虑显性和隐性产品特征,基于模式识别的方法构建特征-语义关联结构树,并融合情感强度词典实现了对产品特征的情感得分统计,生成产品质量管理内涵。(4)预警系统的实现。基于本文的研究成果,设计并实现了基于中文用户评论文本的产品质量预警系统。该系统可以帮助生产企业进行产品质量问题发现和产品质量预警,可以提高电商产品质量管理水平和降低电商产品质量风险。