网络上的产品评论对消费者和生产厂商都有重要意义。随着国内网络用户的增多，产品评论数量激增，但因缺乏合理的组织方式，导致信息获取困难。本文针对产品中文评论，使用自然语言处理相关的方法和技术，设计了探测用户对产品特征主观倾向的系统方法，实现了产品评论中特征词、观点词的识别和用户针对特征词的主观倾向分析。本文主要研究内容包括：　　 1.结合句法规则和主题相关度度量，对评论中的特征词进行识别。在产品特征词识别方面，目前广为使用的方法是：人工定义和自动提取。人工定义特征词词典的方法移植性、适应性差。自动提取中使用关联规则对名词频繁项进行挖掘，覆盖率较低。针对这些缺点，本文提出首先使用语法规则对候选特征词进行提取，然后使用主题相关度算法，计算候选特征词与评论主题的相关度，实现特征词过滤。　　 2.<特征词，观点词>关联对的识别。本文认为，评论中最有价值的信息是：用户对产品的哪些特征做了什么评价，而<特征词，观点词>正能体现这一点。在<特征词，观点词>关联对的识别中，广为使用的有两类方法：一类是先识别特征词(观点词)，然后在最近距离内根据词性选取观点词(特征词)；另一类是基于监督学习的方法，学习关联对的出现模式，通过训练模型对新的评论进行关联对识别。前者方法简单，但极易引入错误匹配；后者通用性好，但是需要大量标注数据的支持，而标注数据的获得代价较大。本文基于识别出的观点词，结合依存关系，对评论语句中的关联对进行抽取。　　 3.基于似然率测试方法的观点词语义倾向判断。广为使用的是基于WordNet等语义词典的方法。这类方法实现简单、快速，但有两个严重的缺点：①仅能识别词典中的形容词，而实际的观点词包含动词；②完全依靠词典，对上下文依赖的观点词将判断失误。本文使用似然率测试的方法，通过计算观点词与种子词的语义关联度得到观点词的语义极性。该方法对观点词的词性没有要求，并且由于是基于统计的方法，对于种子词集合以外的词同样适用。