根据中国互联网络信息中心发布的《第42次中国互联网络发展状况统计报告》显示,全国网上零售额在2018年上半年已达4.08万亿元,同比增长超过30%。与实体购物不同,消费者在网络购物时需要在线获取商品信息并做出购物决策,在线评论所传递的信息也尤为重要。但随着电子商务规模的不断扩大,在线评论呈现出数量大、内容杂和质量参差不齐等特点。由此,如何快速从在线评论中提取有效信息成为了一个亟待解决的问题。本文以淘宝网为研究实例,对评论文本特征抽取及电商网站排序模型指标选取展开了深入研究。首先,提出了评论属性特征及评论情感特征两种特征抽取方法。针对如何从海量评论中便捷及正确的挖掘有效信息的问题,本文从电商在线评论文本挖掘方面入手,借助Word2vec模型及HowNet情感词典,对传统评论文本特征抽取方法进行了优化。其次,提出了电商在线评论有用性排序模型。针对现有电商网站排序模型指标选取不够全面和评论排序质量不佳的问题,本文从影响在线评论有用性的两大因素入手,分别从评论信息源和评论信息质量两方面,结合消费者在浏览评论时的关注点及电商在线评论自身特性,共选取七项指标构建有用性排序指标体系。本文以此为基础,结合模糊层次分析法计算各指标权重并实现排序模型的构建。本文研究成果表明,针对搜索型商品和体验型商品,该模型均能快速筛选出优质评论,同时评论阅读者的感知结果也优于传统电商平台排序。本文提出的排序模型对提高消费者的评论阅读效率,并辅助其做出购买判断具有重要作用。