在大数据时代,电子商务网站中收集到的消费者对网络商品的评论越来越多。对网络商品评论信息进行深度挖掘可以帮助消费者做出可靠决策,也可以为企业产品的质量改进提供有价值的反馈信息。然而由于产品评论的数量庞大,信息内容呈现无结构化的特点,造成很难挖掘出评论中消费者及企业所关心的信息。如何使得用户对海量网络商品的评论信息进行科学化决策和精细化管理已经成为评论挖掘领域的热门话题。针对中文网络产品评论信息,基于国内外相关研究及结合目前常用的自然语言处理技术、评论挖掘、数据挖掘等相关技术,对中文网络产品特征提取、过滤及聚类方法进行相关研究,以下为本文研究的主要内容:1.本文通过对传统关联规则算法的研究,首先使用关联规则分类方法改进的Apriori算法对中文产品候选特征进行提取,并结合单字词规则及邻近剪枝规则对提取的候选特征进行初步修剪。2.根据中文频繁项名词和非特征项的名词规则及基于网络搜索引擎的PMI算法对修剪后的产品特征集进行过滤。3.通过对基于HowNet的语义相似度方法进行研究分析,并结合产品评论信息中产品特征与观点词共现的特点,本文对二者方法进行加权求和,提出一种新的计算特征之间的语义相似度算法。并对提取出的产品特征进行归类,在传统K-means聚类算法的基础上,提出一种新的聚类算法对产品特征进行聚类分析。最后对聚类结果的应用进行了讲述。为了验证本文对评论挖掘的研究方法是否有效,对中文网络产品的特征提取、语义相似度计算、聚类效果三个方面,本文进行了实验验证,以从互联网下载的手机评论语料作为实验对象,数据实验结果验证了该方法具有较高的准确率和综合值。