随着智能手机的普及,手机逐渐成为人们日常生活中不可或缺的一部分。手机评论通常是在用户购买手机之后,由用户生成的,针对手机进行整体的或者某些方面主观性描述的文本。手机评论中包含丰富的观点信息,对于用户根据不同特征选择手机及手机商家针对性的改进有重要的意义。但是由于电商平台手机评论数量巨大,书写形式自由,故而我们需要一个自动化系统来更为准确的挖掘和分析手机评论中观点信息。对于观点挖掘工作学术界已经有很长时间的研究历史,常常被定义为以下两种任务:1.认为这是一个特征词和观点词抽取任务。2.认为这是一个特征词抽取及特征词情感判断任务。这两个任务的定义均只能解决部分问题:没有情感分析,则抽取观点词之后无法统计用户情感倾向;没有观点词抽取,则不能给以用户情感倾向统计的证据来源;没有特征词的分类,则无法统计不同特征词类别的情感分布,难以被用户和商家直接使用。为了研究电商评论观点信息抽取系统的构建方法,搭建一个较为完善、准确率较高的中文手机评论观点抽取系统,本文根据实际需要及相关研究的不足之处,定义了四元组(“特征词”,“观点词”,“情感”,“特征词分类”)作为信息抽取目标,并进行了以下工作:1.数据集构建,从京东、淘宝等电商网站中爬取34万条手机数据并进行预处理工作,根据任务定义和评论质量、分布进行标注,构建了包含10000条评论的数据集,包含特征词、观点词、情感。2.任务模型研究与实现,分别对于特征词与观点词抽取、词对判断、情感分析、特征词分类4个子研究任务进行设计并优化,最终取得较好效果。其中本文提出的GLSTM(图结构LSTM)可有效优化词对判断任务。3.搭建手机评论信息抽取系统,包含信息抽取演示功能、爬虫功能、数据分析和可视化展示功能。使用信息抽取演示功能可以直观的展示每条评论的观点信息,用户可以针对性阅读。使用数据分析和可视化展示功能可以使用户和商家了解用户对商品各方面特征的情感分布,进行对比分析。