文本倾向性分析就是对用户对某个事物的看法或评论文本的挖掘,从而得到该看法或评论是属于对该事物的积极或消极意见,是文本情感计算的一个热点领域。文本倾向性分析中的主要任务有以下三个:找出文档中能够体现情感的词或短语;判断所找出的词或短语的倾向性极性以及强度;找出所抽取的词或短语与主题的关系。本文从语义搭配的角度出发,设计了两种观点倾向性分析策略,分别针对观点单元的几个要素进行处理。评论文本中隐式出现的观点评价对象和倾向性存在歧义的观点评价词,是网络评价文本中常见的表达方式,对文本观点倾向性分析提出了严峻挑战。搭配驱动的观点倾向性分析从汉语语义上的修饰关系入手,挖掘评价属性和评价词之间的深层联系,在针对领域产品的评论挖掘和倾向性分析上比传统方法有更好的精确度。以观点评价对象抽取为核心的观点倾向性分析技术旨在面向更为广阔的产品领域,从文本中自动获取观点所评价的对象,对未知评价对象进行分类定位并有针对性地分析评论倾向性。本文通过建立ChunkCRF模型对观点表达句进行观点评价对象的识别;对于隐式评价对象,利用语义搭配习惯进行填充生成;对于句中出现多个评价对象的问题,借助句法关系进行处理。在此基础上,本文进行了基于观点评价对象的观点抽取与观点倾向性识别。针对网上评论文本多以片段出现的特点,本文设计了文本片段语义倾向性分析技术。应用观点评价对象抽取技术和语义搭配分析方法,计算评价语篇的情感倾向性,取得可视化结果。实验结果表明,本文的倾向性分析结果比传统的方法有所改进,评价对象的抽取和分类都有很好的效果。基于ChunkCRF的观点评价对象识别方法达到了78%的准确率,并能很好地解决未知领域评价对象的识别和评价倾向性分析问题。