在电子商务网站购物后,人们通常会对购买产品质量的好坏进行评价。以前消费者购买产品,只能依靠口碑和广告效应进行选择。如今由于电子商务平台提供了评论区域,在购买产品前消费者可以通过浏览这些评论信息了解产品的概况,进而做出是否购买的决策。除此之外,电子商务平台可以依据用户的评论信息进行精准的广告投放,生产厂商也可以据此对产品质量的改进做出分析和决策,从而生产消费者所需的产品。目前网络评论的数量很大,如果人工处理每一条评论会比较费时,而且效率也不高。因此,产品评论挖掘技术应运而生。在网络评论中,产品特征作为产品的细粒度方面,表明了用户关注产品的焦点,观点词是用户对产品态度的体现,它反映了用户体验产品后的感受,它们是后续情感倾向性识别的基础。评论挖掘的主要任务就是从产品评论中挖掘特征词和观点词。论文的主要内容如下:对评论语料进行研究和分析后,提出了基于依存关系的观点词抽取方法。观点词自动识别过程中,首先对评论语料进行预处理,步骤分为分词、词性标注、句法分析,然后设计了包含观点词的词性模板,并与从评论语句中抽取的句法依存关系相结合,最终得到观点词集合。本文提出了基于观点词共现的产品特征抽取方法。在对评论语料进行预处理后,分别使用语言规则和基于关联规则的挖掘算法产生候选产品特征集,并对其进行剪枝和过滤,最后利用产品特征的上下文关系,使用基于观点词共现的方法得到产品特征集合。本文最后给出了实验,从互联网抓取了三款产品的评论文本进行验证,实验结果表明本文方法取得较好的准确率和F-measure值。