通常,消费者在线购物时会根据商品的专有名词以及一些属性信息对其进行检索,用户在浏览商品时也会关注于商品属性方面的信息特征,因此分析出商品信息中关于特定属性方面的观点信息对提升商品的服务与质量是有必要的。细粒度的用户观点对商品的认知具有引导作用,可以影响消费者的购物决策,同时也为企业了解产品的属性特征提供了必要的信息反馈,具有重要的参考价值。本文的主要工作围绕着商品的观点分析展开,意旨分析出更详细、更具体的关于商品某一特定方面的观点意见,是一种细粒度的情感分析任务。为此,提出了面向商品的属性级观点分析方法,并进一步对商品的信息提纯工作进行研究,具体内容如下:（1）本文首先从用户的评论信息入手,在商品的特定方面信息的条件下,对商品的属性级观点分析展开研究,提出了一种混合注意力机制的观点分析方法,可以细粒度的分析出评论信息中关于商品实体某一特定属性方面的观点意见。该方法完全是并行的计算结构,提升了模型的执行效率,减少了计算过程中的信息损失。为了验证所提模型的有效性,在三个公开数据集上进行一系列关于商品评论的特定方面情感分析验证,实验结果表明,所提方法可以有效的从商品的评论信息中分析出关于特定属性方面的观点意见,并且具有良好的运算效率。（2）电商为了吸引用户,会在商品信息中堆砌大量属性以及一些冗余信息,导致商品表述不一致,为细粒度的商品分析带来困扰。为解决所注意到的问题,在进一步的研究中,从商品的名称信息入手,提出了一种基于自注意力机制的冗余信息消除方法。针对商品名称的弱语法强语义的特点,在注意力机制的基础上,利用二元分类策略在语义层面对商品词进行过滤,以此来达到商品名称信息提纯的目的。在公开商品数据集的基础上进行性能验证,实验结果表明,该方法可以有效的对商品的冗长名称进行信息提纯。