随着互联网的飞速发展,网络信息越来越庞杂,迫切需要使用数据挖掘技术对网络文本进行提取分析,以便得到有用信息。图书评论中包含用户对图书产品属性及购买过程的评价意见,如何从图书评论中高效地提取到有价值的信息成为本文的研究重点。本文以亚马逊和京东两大网站的图书评论为数据来源,研究图书特征提取及情感分析中使用的数据挖掘技术,得到图书评论挖掘结果,从而帮助消费者及生产商作出科学的决策。本文首先通过分析网页的标签规则,抽取网站上的图书评论信息,构建原始评论数据集;利用分词及词性标注技术对该数据集做处理,构建停用词表,对停用词进行过滤,从而形成原始语料库。然后,通过冗余词表处理评论语句。使用Apriori算法,FP-Growth算法以及TF-IDF算法从评论中提取图书特征进行性能比对。以此为基础,改进FP-Growth算法并挖掘图书特征。接着,构建情感词典,对评论进行观点句识别,研究优化SVM特征选择,进行图书评论粗粒度情感挖掘。基于"双向判定法"和情感词典进行评论细粒度情感挖掘,得到具体图书特征的情感极性。最后,使用可视化技术展示图书评论的挖掘结果,并计算用户需求与图书的匹配度,帮助消费者作出购买决策。本文的主要研究成果:第一,通过构建冗余词表进行冗余词的匹配替换,降低了提取频繁项集的冗余度。第二,通过改进FP-Growth算法,将评论长度权重加入算法的支持度计算中,并对提取到的特征进行置信度排序,提高了算法的查全率和准确率。第三,通过优化SVM特征选择,将评论星级作为向量特征加入模型构建过程,提高了情感分析准确度。第四,利用"双向判定法"构建情感关系,实现了图书评论的细粒度情感分析。