近年来,人民物质生活的丰富极大程度上推动了汽车行业的发展,消费者对汽车硬件和软件设施的要求也不断升高。汽车企业为了抢占市场份额和让用户产生对企业的依赖性,如何通过了解用户针对汽车相关属性的话题讨论信息来掌握消费者内心的真实想法成为汽车企业占领市场的关键。与此同时,社交媒体的不断发展,网络论坛成为消费者抒发产品真实体验的平台,也成为影响消费者消费行为的重要因素。因此,越来越多的学者进行相关领域的研究,通过对网络用户评论进行观点挖掘和情感分类,帮助车企为用户提供精准服务,增加用户对车企的满意程度。但是,传统情感预测研究多是针对整体的评论文本进行情感预测,缺乏细粒度的基于属性的用户汽车评论研究。为了对汽车评论数据有更深层次的观点挖掘,及时了解到当前市场消费者的真实需求和厂商需要重视的方面,本文针对网络汽车评论数据特点,提出了基于属性的用户观点挖掘和情感分类方法,具体研究内容如下:基于属性进行汽车评论观点挖掘,通过挑选市面上两款典型的燃油车和新能源汽车,计算其评论文本中每个属性的情感值,细粒度分析用户情感倾向和差异,为厂商提供建议;基于属性进行汽车评论情感分类,在此过程中,针对网络评论数据噪声多,有用信息少等特点,提出了一种针对汽车评论数据情感分类的方法。该方法基于语义相似度和词共现关系自动构建汽车倾向主题词表,进而对含有情感倾向性的评论数据进行划分和评论内容的压缩,以提高数据质量。并使用四种不同的分类模型进行情感分类,以评价其效果。实验结果表明,通过基于属性的汽车评论观点挖掘,可以发现目前消费者对于汽车产品具体属性的情感倾向和真实需求,有利于为汽车生产厂商提供对策建议;同时,在基于属性的汽车评论情感分类过程中,通过构建词表可划分含有情感倾向性的评论以及对含有情感倾向性的评论保留汽车属性信息,从而提高了数据质量。通过在四种不同分类模型上的对比实验表明,相比于未进行情感倾向性划分而直接分类的数据,本文方法提升了汽车评论情感分类效果。