随着互联网和电子商务的蓬勃发展,网络逐渐成为用户发表产品评论的重要平台,网络产品评论以惊人的速度不断增长,而这些评论中包含着大量的有价值的信息,生产厂商和用户则可以有效利用这些信息做出决策。通过浏览互联网上某产品的评论,用户可以了解人们对该产品的态度倾向分布,做出购买决策；生产厂商可以了解用户对其产品使用后的反馈信息以及用户对竞争对手产品的评价,从而根据反馈信息改进产品,赢得竞争优势。但是,网络上的产品评论是数量庞大的非结构化数据,如果生产厂商和用户通过人工阅读的方式来获取所需要的信息,不仅消耗时间,而且容易出现错误。因此,生产厂商和用户迫切需要借助一定的技术手段对大量网络产品评论进行自动处理,从而可以使他们快速精准地得到所需要的信息。正是因为生产厂商和用户的迫切需求,评论挖掘成为了研究热点。评论挖掘利用关联规则、语义分析、机器学习以及统计分析等技术对用户在网络上购买某产品后写下的大量评论数据进行处理,自动归纳出用户对该产品特征的态度倾向分布,用户根据挖掘结果可以快速准确地做出购买决策；生产厂商根据挖掘结果得到待宣传和待改进的产品特征,增强产品在市场上的反应能力,提高用户的满意度。基于文本的语义和语言分析,利用产品特征与观点词之间的语义关系以及观点词的情感倾向对产品特征的影响,本文提出了从产品评论中提取用户关注的产品特征的方法,并根据用户的关注程度对产品特征进行排序；同时,根据观点词的极性值判定用户对产品特征的情感倾向以及情感倾向强度。本研究采用从互联网上获得的针对笔记本电脑的产品评论作为实验对象,实验结果初步证明该方法具有良好的准确率和召回率。