Web 2.0时代的发展带动了消费者在线信息分享行为,信息形式日趋多样化,信息载体也从网上购物平台,扩展到各类专业领域论坛。面对规模庞大且增长迅速的在线评论,如何通过有效的挖掘方法实现各种应用,成为该领域研究的重要问题。现有研究数据的选取多为某种特定商品的在线评论,此种方法并不适用于论坛式混合商品评论数据挖掘;其次,现有在线评论研究多为单一式情感发现,并没有做进一步的用户推荐研究,现实意义不足。本研究首先采用文献调研的方式,发现现有研究的不足。基于此,本文采用条件随机场算法对混合商品评论进行汽车实体抽取,并对特定实体评论进行情感分析,通过构建信息融合网络获取产品排序结果。在进行汽车实体抽取研究时,在特征选取方面,不仅考虑传统的词特征,同时还利用词向量进行词语相似度特征计算,并进行特征融合;另一方面,选取原子特征模板与组合特征模型,从特征与特征模板两个维度进行交叉实验,获得实体抽取准确率更高的组合结果。通过实体识别获取特定实体评论,对各确定产品评论进行基于词典的情感强度计算,通过LDA主题模型确定各产品特征的权重。最后,构建有向图模型,选取改进的PageRank算法求解网络各节点重要性。并将基于海量在线评论获取的客观情感值与基于用户偏好的主观情感值进行综合分析,确定各产品最终排序结果。实验结果表明,本文所提出的挖掘方法具有可行性,不仅充分利用了海量在线评论资源,同时,因为在建模中考虑了消费者的个性化需求,使得实验结果具有更强的现实意义,为在线评论挖掘与推荐提供了新的研究思路。