产品评论反映了消费者对产品多个方面的情感倾向。不同的消费者关注点不同,对评论进行方面级观点挖掘,获取消费者对产品各个方面的情感信息,为企业提供更客观、全面的反馈信息,帮助企业掌握消费者需求,改善产品质量,及时调整销售方案。其次,评论中的情感信息会决定潜在消费者的购买行为,进而影响产品销量,将方面级观点挖掘的结果应用到销量预测中,充分挖掘评论对销量预测的能力,为企业采购产品提供参考,促进企业良性发展。论文以餐馆评论为研究对象,主要的研究工作如下:(1)评论文本的特征提取。产品评论有口语化和随意性的特点,单一的词向量不能准确表达语义信息。为了弥补单一特征的不足,提取高质量的特征,提出了多特征融合的文本表示法,引入了词语特征、词性特征、字特征和方面词特征。通过多种特征组合的方式,充分挖掘文本的语义特征,高效准确地提取方面词和情感特征。(2)方面级观点挖掘模型的构建。为了提高产品各个方面分类的准确性,从多特征融合和多模型融合两方面对传统观点挖掘模型Bi LSTM做了改进。首先,将词语特征、词性特征和字特征作为Bi LSTM的输入,提取多粒度特征更深层次的高质量语义信息,并引入了方面词注意力机制,利用方面词特征,使Bi LSTM自动学习不同的上下文对产品不同方面的情感极性判别的影响权重,及方面词和情感词的依赖关系。其次,采用CNN和Bi LSTM多模型并行融合的方式,弥补了单一Bi LSTM的不足,使模型既能提取文本的n-gram特征,又可以提取前后文语序信息和长距离依赖特征。经实验验证,改进后的Bi LSTM提高了方面级观点挖掘任务的分类效果。此外,还提出了一种改进的方面词权重计算方法,旨在有效地筛选出产品的重要特征。(3)销量预测模型的构建。论文提出了一种基于情感指数改进的销量预测模型。利用方面级观点挖掘模型识别出方面词的情感极性,结合方面词权重构建情感指数,将其作为影响销量的一个重要因素,旨在提高销量预测的准确性,并分析产品的哪些方面会对销量起关键作用。经实验证明,融入情感指数的销量预测模型可以很好的拟合实验数据。