服务属性分类及服务要素优化配置是服务设计或者改进的重要环节之一。目前,关于服务属性分类及服务要素优化配置问题的研究已经引起一些学者的关注,并取得了一些研究成果。需要说明的是,已有的关于服务属性分类及服务要素优化配置研究的数据主要是通过问卷调查的方式获取的。然而,通过问卷调查的方式获取数据具有很多缺点,例如,耗费大量时间和金钱,数据的质量取决于问卷的复杂性或长度以及被调查者参与的意愿等。随着信息技术和互联网的飞速发展,互联网上涌现出了海量的关于服务的在线评论。这些在线评论中包含了大量的有价值的信息,例如客户的情感、意见和建议等。与问卷调查相比,在线评论不仅易于获取而且便于企业进行监控和管理。目前,在线评论已经成功地被用作于多种决策分析的数据源,例如,产品排名/推荐、客户满意度建模、服务改进、品牌分析、消费者偏好分析和市场结构分析等。在线评论同样是对服务属性分类及服务要素优化配置有前景的数据源。如果能够基于在线评论进行服务属性分类及服务要素优化配置,那么决策者可以很方便的以很小的成本得到服务属性分类及服务要素优化配置方案。因此,有必要研究基于在线评论的服务属性分类及服务要素优化配置方法。本文对基于在线评论情感分析的服务属性分类及服务要素配置方法进行了较为深入的研究,针对现有研究的薄弱之处,主要开展了以下几个方面的研究工作:（1）提出了基于在线评论情感分析的服务属性分类及服务要素配置方法的研究框架。具体地,依据基于在线评论的管理决策分析方面研究的相关文献,界定了在线评论以及服务属性的相关概念,给出了基于在线评论情感分析的服务属性分类及服务要素配置方法研究框架的描述以及研究框架的有关说明。（2）提出了面向服务属性在线评论的多粒度情感分析方法。具体地,研究了面向服务属性在线评论的多粒度情感分析问题,并提出了在线评论的多粒度情感分析框架;依据提出的框架,进行了多粒度情感分析中特征选择和机器学习算法有效性比较的实验研究,并验证了多种常用的机器学习算法和特征选择算法在多粒度情感分析中的表现;进一步地,依据实验结果,给出了基于改进“一对一”（OVO:One-Vs-One）策略和支持向量机（SVM:Support Vector Machine）的多粒度情感分析方法;在此基础上,通过实验分析验证了提出的方法的有效性。（3）提出了基于在线评论的服务属性Kano分类方法。具体地,研究了基于在线评论的服务属性Kano分类问题,提出了基于在线评论的服务属性Kano分类的框架;依据提出的框架,给出了基于在线评论的有用信息的挖掘方法;进一步地,依据在线评论的挖掘结果,研究了消费者对服务属性的情感针对整体满意度影响的测量方法;在此基础上,给出了服务属性Kano分类方法;最后,通过一个实例分析说明了提出方法的可行性和潜在应用。（4）提出了基于在线评论的服务属性IPA（Importance-Performance Analysis）分类方法。具体地,研究了基于在线评论的服务属性IPA分类问题,提出了基于在线评论的服务属性IPA分类框架;依据提出的框架,给出了基于在线评论的有用信息的挖掘方法;进一步地,依据在线评论的挖掘结果,研究了服务属性的表现和重要性的估计方法;在此基础上,依据得到的服务属性的表现和重要性,提出了 4种IPA图的构建方法;最后,通过一个基于在线评论的酒店属性IPA分类的实例说明了提出方法的可行性和潜在应用。（5）提出了基于Kano和IPA分类结果的服务要素优化配置方法。具体地,研究了基于Kano和IPA分类结果的服务要素优化配置问题,提出了基于Kano和IPA分类结果的服务要素优化配置方法的研究框架;依据提出的框架,在第5章和第6章提出的基于在线评论的服务属性的Kano和IPA分类研究的基础上,给出了基于在线评论的服务要素对服务属性的满足程度的估计方法;进一步地,依据得到的服务属性的Kano和IPA分类结果和服务要素对服务属性的满足程度,给出了基于Kano和IPA分类结果的服务要素优化配置模型及求解方法;最后,通过一个基于在线评论的酒店服务要素优化配置的实例分析说明了提出方法的可行性和潜在应用。本文的研究工作和取得的研究成果为基于在线评论的服务属性分类及服务要素优化配置问题研究提供了理论方法层面与方法技术层面的借鉴和参考,并为相关研究的扩展与应用奠定了坚实的基础。