随着互联网的发展,电子商务对人们的生活习惯产生了深刻影响,网络订餐、网络购物等消费方式成为了现代人生活的重要组成部分,随之而来的是消费者在购物平台上发表的海量评论信息。这些信息看似繁杂,但却具有极大的研究价值,通过对这些评论信息进行深入分析,挖掘出有价值的意见信息,可以为企业或消费者的理性决策提供信息支撑。对于企业而言,意见信息可以帮助企业管理者对产品和服务质量进行监控,便于发现自身问题并及时改进,以提高企业竞争力。而对于消费者,意见信息可以在消费行为中起到指导作用。因此,有必要对电子商务平台上的评论文本信息进行意见挖掘研究。现实中,用户在获取意见信息时通常抱有不同的需求,例如用户需求针对产品的几个主要方面的意见信息,或者产品的某个具体属性特征的意见信息,因此针对篇章级的粗粒度意见挖掘已不能有效地满足用户需求。针对以上问题,本文基于评论文本语料库,利用自然语言处理技术和基于统计的方法构建领域知识库,并将领域知识库引入意见挖掘研究中。通过构建的领域知识库寻找评论文本中能够映射到知识库中的实体概念(评价对象),进而抽取特征观点句。而后,从每一个特征观点句中抽取特征情感三元组,并分析三元组中评价对象对应的情感极性,进而得到特征-情感集合。最后,通过领域知识库中的语义关系网络实现特征-情感聚合,在此基础上,根据用户不同需求构建特征-情感图,将评论文本中的意见信息以简洁而清晰的方式展现出来,以更好地满足用户需求。本文主要工作如下。(1)对文本语料进行预处理,利用NLTK工具库进行词性标注和词干提取,以保证词频统计的准确性。在此基础上,利用基于TF-IDF原理的领域隶属度分析方法从文本语料中抽取评价对象(领域术语),形成评价对象集合。而后,利用逐点互信息(PMI)方法逐层抽取评价对象间的关系,形成语义关系网络,进而构建领域知识库。(2)在对评论文本进行分句后,再切分为小句,使一条小句中只描述一个评价对象。同时,本文提出了一种规则与word2vec模型相结合的方法来构建同义词集合,以保证评论小句中评价对象词被映射到领域知识库中,对于映射成功的小句,我们称其为特征观点句。另外,此方法也保证了后续工作中特征-情感聚合的准确性。(3)从特征观点句中抽取特征情感三元组,并将基础情感词典SentiWordNet与否定词词典结合,形成最终的情感词词典。利用基于情感词典的方法对特征情感三元组中评价对象进行情感分析,并判定情感极性。利用此计算方法,在人工标注的数据中进行评测,平均精确率达到73.6%,以此验证了本文情感极性判别方法的有效性。(4)根据用户不同需求,本文利用领域知识库中的语义关系网络实现了特征情感的聚合,最终构建了特征-情感图,将评论文本中的意见信息以图的形式进行了展示。