随着评论的日渐增加和产品属性的日趋多样化,整体情感倾向已然不能满足购买者或商家的需求,消费者希望从评论中了解符合自身个性化的产品属性,商家也非常需要从产品属性评价中获取顾客口味变化的信息,从而更好地为消费者提供个性化的商品和服务。传统的情感分析未能更细粒度的在属性层面帮助消费者减轻信息过载和认知成本,而生产商也不能更加深入地了解产品的优缺点,不能在互联网背景下了解小众需求。更进一步的问题是,有些评论对其评价的属性未在语句中直接点明,对其的理解需要根据评论的上下文进行。本研究针对传统情感分析不能细化消费者口味和明确商品优缺点的不足,以女装连衣裙为例,阐述细粒度情感分析研究。在分析了以往对属性识别以及分类研究基础上,提出显式属性与隐式属性分开识别的方法,并通过词素进行属性自动归类。针对隐式属性发现这一难点,提出了基于词性规则的方法,找到大量领域隐式属性本研究还分析了当前研究过于依赖现有情感词典资源的弊端,建立了领域情感词典。并且在情感强度结果计算的时候,设计了对比算法,证明了隐式属性抽取对最后结果准确率的提升通过上述过程,本研究最后得到了可视化的细粒度情感强度分析结果,说明了细粒度情感分析辅助消费者与生产商决策的有用性。本研究在以下方面做出了创新贡献：在理论上,隐式属性发现是项非常复杂的工作,本研究提出基于词性规则的方法找到了隐式属性；在实践方面,首次指明通过隐式属性发现小众需求,这对于依靠长尾理论营销的在线商家具有重大意义。最后,由于我们所使用的在线评论抓取方式、领域通用产品属性划分、基于词性规则的方法发现隐式属性等方法的通用性使得本研究所描述的情感强度分析方法更加具有普遍性。