随着互联网门户网站的崛起，以及人们在选购商品时对于互联网的依赖，人们往往会在选购商品前在网络上查找商品的评价信息。但是面对海量的评论信息，感觉无从下手，需要一种能够自动识别评价语句情感倾向性的方法。针对这种情况，本文人根据商品的特殊性,提出一种基于句法分析的商品情感倾向性分析算法，这种算法的创新之处在于利用句法分析的方法获得评价对象集，并且对评价对象进行权值的分配，再利用依赖关系找到并且处理从句，以及隐含的评价对象，最后得出整句评价语句的正负面评价结果。并且针对微博上的短文本，以及否定结构的商品评价性语句进行算法上的改进。本文使用句法的分析的方法对语句进行分析，然后获取依赖结构，对不同结构设计了不同的算法，以获得评价对象与情感倾向性之间的关系，主要步骤如下：第一，对评价性语句进行评价对象的抽取，并且设计了几种过滤的方法来过滤，最终获得了评价对象的集合，并且创新地对其进行了权值上的分配第二，针对商品评价性语句的结构分析，本文在此基础上，结合句法结构，依赖关系的方法，分析了几种句法结构。包括句子的主谓结构，动宾结构，形容词短语，比较级，连接词关系等等。对不同的句法结构不同分析，都使用句法依赖关系的方法找到极性词以及其对应评价对象的方法，并且对评价对象赋予不同的权值。针对酒店、电脑、书籍三个类别的文本展开系统实验，通过分析和验证可以得知，文本在召回率和准确性上表现不错。最后，对某些特殊结构的文本，本文对之前的算法进行了改进，从语法意义以及结构意义上对短文本，否定结构文本进行了分析，提出各自的改进的方法，并且参加了COAE2012、NLP&&CC2012会议的测评，根据发布的测评数据进行测试，从发布的结果看，都有不错的表现。