随着B2C商务模式的日趋发展和网络购物的流行,互联网上存储了大量消费者对产品的评论信息,产品评论信息中蕴含着消费者使用特定商品后所表达的主观感受。这些评论性文本反映了人们的意见、态度和立场,因而具有宝贵的商业研究价值:一方面,产品评论信息有助于让生产商知道其产品在消费者心目中的地位以及受欢迎程度,这能给企业的产品研发部门提供重要的产品改进信息,从而提高产品的市场竞争力。另一方面,潜在的消费者在做出购买决策前,往往会参考B2C网上商城中顾客发表的产品评论信息来分析产品的性能并最终做出是否购买的决定,产品评论信息能有效引导潜在消费者做出购买决定。本文在文本挖掘和意见挖掘技术的基础上,提出一个Web产品评论意见挖掘模型。本文的产品评论意见挖掘模型第一次将评论文本中的观点语句分为显性极性观点语句、第一类依赖语境观点语句和第二类依赖语境观点语句。本文根据不同类型观点语句的特征,采用相应的意见挖掘技术分步进行语义极性分析。相关的研究很少关注依赖语境观点语句的极性分析,本文的意见挖掘模型着重分析两类依赖语境观点语句,运用句法规则方法和语境信息提取方法确定依赖语境观点语句的极性。最后本文以著名B2C网上商城Amazon中的产品评论作为语料进行实验分析。而且将本文的模型和相关文献中的意见挖掘模型Opinion Observer和FBS进行实验结果对比分析,结果表明本文的意见挖掘模型能有效地分析三类观点语句的极性。