同行评审是现代科学出版过程中的核心组成部分,是筛选所提交稿件的质量控制机制。在评审过程中产生的评审报告则是提升稿件质量、影响编辑决策的重要因素。然而早期由于同行评审的非公开性,研究者较难获取评审报告进行文本分析。因此相关研究多集中讨论同行评审程序的质量问题,而对评审报告内容的研究相对较少,关于评审具体是如何展开评价的研究也十分匮乏。为促进对评审报告中评价的了解,本研究收集了2014年至2018年在神经信息处理系统大会上发表的所有论文的评审报告,利用词向量技术和k最邻近值进行数据挖掘处理,实现在大型语料库中识别被评价实体（名词）和评价性形容词的语义鉴别及分类。通过对被评价实体和评价性形容词的量化和分类确定审稿人关注稿件的哪些方面（即被评价实体）,以及审稿人评价稿件时重视哪些性质（即评价性形容词）。结果表明,被评价实体可分为“整体评价”、“技术细节”、“讨论和分析”以及“语言问题”四大类;而评价性形容词包括“重要性”、“合适性”以及“清晰度”三大类别。经分析发现,相较于投稿人的语言表达,计算机领域的审稿人更关注文章的实质内容。其中,稿件所涉及的技术细节,包括方法、模型及数据三类得到最多关注,并且研究者所分析的数据或所使用的方法应充分、合理且令人信服。其次,文章整体应体现一定的创新性和对该领域将来研究的价值。通过与神经信息处理系统大会提供给审稿人的评价标准对比,进一步检验和分析了所提出分类的理据性,同时也应证了所选取的数据处理和分类方法的可行性。本研究的发现不仅对期望向计算机领域的期刊或会议投稿的研究者有指导性意义,同时能为新加入的审稿人提供一定的评价方向。同时,本研究验证了通过词向量技术和最邻近词来探究语义、实现分类的可能性,可为今后类似研究提供新的思路。