随着互联网和网络购物的日益流行,产品的评论通常被作为是否选购该产品的重要依据,因此,如何从大规模的产品评论中高效地获取到对潜在消费者和商家更具有价值的信息逐渐成为研究热点。本文对产品评论进行方面级观点挖掘技术研究,能够快速准确地获取到产品各属性的评价情况,对潜在消费者选购和商家改进产品都有重要意义。本文的主要研究工作如下:1.针对目前多数评价搭配抽取方法存在人工标注工作量高、依赖于外部情感词典和动词词性考虑较少等问题,提出了一种基于规则的评价搭配抽取方法。该方法通过词性、依存句法分析和语义依存分析的结果制定规则,首先进行核心搭配的抽取,然后引入识别并列评价对象的算法及改进的识别修饰成分的算法,结合核心搭配组成部分的不同词性进一步制定规则来识别完整的评价对象和评价短语。在中文手机评论数据集上进行实验的准确率达到71.95%,召回率达到66.74%,F1值达到69.25%;在中文酒店评论数据集上进行实验的准确率达到60.42%,召回率达到62.24%,F1值达到61.31%。实验结果表明本文方法进行评价搭配抽取的有效性。2.针对已有的方面级情感分类研究中,大多数方法通常需要构建完善的情感词典和判断规则,而基础的机器学习方法存在分类性能有待提高等问题,提出了一种基于情感词汇与机器学习的方面级情感分类方法。该方法选取部分正向、中性和负向情感词组成情感词汇,并将互信息中各类别的占比作为基础机器学习方法分类概率的权重,选择加权后概率最大的类别作为情感倾向。在中文手机评论数据集上进行实验的宏平均值达到84.46%,比基础的机器学习方法提高了4.53%,微平均值达到84.49%,提高了4.55%;在中文酒店评论数据集上进行实验的宏平均值和微平均值都达到83.62%,都提高了4.11%。实验结果表明本文方法可以有效提高方面级情感分类性能。3.设计并实现了一个产品评论的方面级观点挖掘系统,该系统通过用户输入的产品ID,自动地进行评论数据爬取、预处理、评价搭配抽取及其情感分类,然后将观点挖掘的结果以图形化界面展示。