在电子商务和社交网络席卷世界的今天,用户在网上购物的同时,会发表自己对于商品的观点。这些观点以用户为中心,反映了用户的使用体验,包含了用户对产品的特征、功能和性能等的看法。然而,随着网络评论数量飞速增长,评论内容越来越复杂,很难人工地根据评论内容,得到有用的信息。因此,迫切需要一种自动化的收集用户评论信息,分析用户对商品的评价属性和识别用户观点的技术。商品评论的情感挖掘分析技术正是在这样的背景下产生并迅速发展起来的。挖掘产品特性、挖掘用户对于产品特征的主要观点以及判断主要观点的情感导向是商品评论的情感挖掘的三个核心问题,本文针对这三个问题进行了深入的研究。同时考虑到网上评论信息的特点,即用户在网上发表评论时通常不太遵守语法规则,句子的语法结构不完整,在句子中常常省略主语,重点分析了隐式主语的抽取问题。对于没有显式主语的句子中,识别并且抽取出真正的主语。本文的工作主要包括以下三个方面：(1)识别评价对象和评价词。利用POSEM算法来抽取评价对象和评价词二元组。并且,由于网络上产品评论信息的语法结构比较自由,很多句子没有完整的主谓宾结构,提出隐式主语抽取的方法,提高了评价对象和评价词抽取的召回率和准确率。(2)判定评论者的态度,也就是从用户的评论中找到和产品属性相关的评论者的观点极性。要从用户的评论中找到观点极性,首先需要找到评价词汇,然后综合利用形容词、副词情感词库和领域词库来对词汇的极性进行判断。因为词汇所代表的极性往往与词汇的背景上下文和特定领域是息息相关的。相同的词在不同的领域所代表的情感极性很可能是截然相反的。(3)设计并实现商品评论信息分析工具,工具主要包括自动抽取网页DOM树中特定标签下的评论信息,数据预处理,主观评价句抽取,评价对象和评价词抽取,评价词极性判别等功能。