随着诸如论坛、微博、微信等网络社交媒体的发展与流行,互联网上出现了海量的包含个人主观情感的观点和言论,这些评论具有巨大的商业价值和社会价值,通过分析这些评论所包含的主观感情可以了解大众舆论对某一事件或产品的看法,不仅可以帮助潜在用户进行决策,而且有助于控制社会舆论。然而对于这些海量的评论信息,仅靠人工是无法处理的,而文本情感分析技术为快速准确的挖掘情感信息提供了可能性。虽然情感分析技术发展迅速,但仍有很多方法有待改进和优化,因此本文在充分研究情感分析的理论后,把对文本情感分析的研究分为粗粒度和细粒度两部分,并基于互联网电商评论语料对传统技术方法进行改进和优化,使得情感挖掘效果更好。在粗粒度的文本情感分析研究中,本文对评论语句进行整体的情感分类,即根据评论语句包含的情感进行分类。而特征的选择对情感分类来说极为关键,本文对特征选择效果较优的CHI算法进行研究,针对其词频缺陷问题,本文结合情感分析的特殊性做出改进,提出了特征词词频计算量CHI_freq和情感参数λ,将二者与传统CHI算法结合形成了本文的IM-CHI特征选择算法。实验结果证明,改进算法优于传统算法。在细粒度的文本情感分析研究中,本文对评论语句中的评论信息进行抽取。评论信息是指句中若干“主题词-情感词”对,主题词是具体的评价对象,也是情感词的修饰对象。本文基于CRF模型抽取评论信息,并构建情感词典对抽取结果进行优化,使得抽取出的“主题词-情感词”对更全面、准确。本文实验结果证明了此方法的可行性。