购物中心是众多店铺的聚集地，并通过店铺为消费者提供丰富的商品、综合的服务、优雅的环境等。购物中心管理者越来越强调高价值店铺对购物中心运营成功的重要贡献，因此如何充分利用已有数据对店铺价值进行建模和定量化评估，如何对拟招商的新引进店铺进行价值预测，是目前学术界和产业界关注的焦点和热点。然而，学术界中现有关于购物中心内店铺价值影响因素的研究主要建立在调研人员收集到的“极为有限”的样本数据之上，调研结果不仅受调研员水平和效率的影响，还会消耗大量的人力、时间成本;同时，由于这样的数据样本受到时间和空间双重维度上难以忽略的缺失，极大增加了各种研究成果的不确定性。　　针对上述问题，本文创新地使用购物中心内店铺的地理区位数据以及互联网上新鲜的海量评论数据，来对店铺价值进行定量研究。该研究可以细致深入地挖掘和有前瞻性的预测发现店铺在购物中心的价值及其变化，并成为原有实证研究的有效补充。本文的主要研究内容和创新成果如下:　　1.依据购物中心在数据方面的支持，应用室内空间建模、可达性理论和情感分析等方法，从技术和数据两个层面出发，设计了一套计算店铺综合价值的评估算法和模型，并且使用销售数据象征店铺真实综合价值，和本套模型的计算结果进行对比，验证了模型的有效性。　　2.利用现有的几何地图模型，实现了带顾客行走约束的购物中心室内空间模型的自动化构建，并且在计算过程中通过混合索引方法优化了距离模型的计算;第一次把可达性理论中的重力模型，从室外场景迁移到了购物中心内部并设计了相关算法，通过相关实验，验证了区位算法模型的有效性。　　3.在情感分类中，提出了一种基于依存句法分析的情感词加权的分类器构建方法，提升了情感分类的准确度和召回率;其次基于半监督学习的协同训练方法，设计了一种基于中文评论的关键句抽取和分类器融合算法，通过与前人的baseline方法对比，证明了该算法的提升和有效性。