线上购物已成为了一种主流的购物渠道,为人们的日常生活带来了便利,但是依然存在商品种类繁多和切身体验感不足的问题,导致消费者产生了购买抉择困难。电商网站上的用户评论信息,是已购顾客切身体验后对商品的主观感受,可以为潜在顾客提供参考。但是,随着评论数量的激增以及网站评论显示策略不合理等原因,用户很难从中获取到对自己有价值的信息。首先,本文通过网络爬虫技术对购物网站上的评论文本进行采集,并采用了数据清洗、主观子句提取、中文分词、停用词处理等技术,对评论文本进行预处理,提高了数据的有效性。然后,针对现有算法存在抽取文本特征词不全面性以及语义信息丢失严重的问题,本文给出了解决方案,并利用改进的聚类算法对特征词进行聚类处理。最后,利用特征词聚类结果及情感标签实现商品特征及情感维度的构建,从特征和情感两个角度挖掘消费者对商品的关注点及主观感受,该维度体系为用户购买决策提供了客观有效的参考标准,并通过实验验证了本文方法的可行性和有效性。本文的研究工作主要有以下三个方面的贡献:(1)本文将句法分析与词频词性相结合,实现了对商品低频特征词的扩充,提高了特征词覆盖的准确性和全面性。为了准确描述商品特征词的语义信息及与周围词的联系,本文将Word2vec模型引入至特征词向量化过程,减少词语语义信息的丢失。(2)本文对传统的CURE(Clustering Using Representative,利用代表点聚类)聚类算法在代表点选取规则上进行改进,提高了 CURE聚类算法在短文本处理上的准确率,并将其运用到特征词的聚类处理,对比传统CURE算法具备更好的实验效果。(3)在上述研究工作的基础上,对特征词聚类结果进行标签抽取并结合词语情感标签,构建出了更加真实有效的商品特征及情感维度体系,然后对商品每个特征维度进行权重计算及情感量化分析,提供的分析结果具有较高的参考价值。