随着近几年来Web2.0的飞速发展,人们见证了互联网给社会生活各方面带来的深刻变革。电子商务是互联网发展的产物之一,它的繁荣也逐渐改变着人们的购物习惯。现如今,很多电商网站不仅仅是人们购物交易的平台,也是允许用户自由发表商品的评论的交流平台。用户的评论无论对潜在消费者还是生产厂商来说都蕴含着大量有用信息：潜在用户会根据以往用户的评论来对商品有一个更直观的了解和认识,以作为购买决策的参考,而生产厂商也可以通过分析用户评论追踪用户反馈,了解产品的市场反响和产品研发方向。然而,随着电子商务市场的欣欣向荣,在线商品评论数量也在爆炸式的增长。对某些热门商品来说,成百上千条的评论数量也非常常见。作为一个即将进行购物的用户,以人工分析的方式从大量先前评论中获取商品各个方面的综合评价变得十分困难。因此,自动化地对大量商品评论做出合理分析并提取符合特定规范的摘要具有一定的研究意义和应用价值。在这样的背景下,本文对商品评论摘要提取所涉及到的评论要素抽取、评论情感分析、摘要生成方法等方面做了详细研究。具体研究内容包括如下几个方面：(1)关于商品评论要素抽取,一方面针对传统的基于Apriori关联规则抽取商品属性词方法提出了改进：利用PMI算法对属性词抽取噪声进行过滤,提高了抽取准确率；另一方面,提出了基于机器翻译模型中的词对齐方法对已知属性词对应的评价词进行抽取,并提出了通过建立评价词与隐式商品属性词映射的方法对隐式属性进行抽取。(2)关于商品评论情感分析,本文提出了基于先验情感词典与句法依存关系分析相结合的情感分析方法对主观评论语句情感极性进行判断。(3)关于摘要生成方法,为了能够尽可能全面的将商品评论的重要内容进行提取,并高效的组织摘要,本文提出了一种基于商品属性词聚类、评论相关度排序及情感倾向分析统计的结构化摘要生成方法。为了检验本文提出的上述方法,分别对各项工作进行了实验验证。从实验结果可以看出,本文提出的方法达到了预期的效果。在文章的最后,对全文进行了总结,并展望了下一阶段的研究方向。