随着互联网的普及和电商平台的飞速发展,网络购物已逐渐成为一种重要的消费习惯。伴随着交易量的增长,产品的用户评论数量与日俱增。对用户来说,通过逐条浏览评论内容的方式获取产品的特征观点信息是不现实的,评论挖掘作为一种自动化的评论分析方法应运而生。传统的文档级别和句子级别的观点挖掘已不足以满足用户想要获取产品细粒度特征观点信息的诉求,因此基于特征级别的评论观点挖掘研究显得更有意义。本文针对中文在线产品评论,围绕特征级别评论观点挖掘的各个任务,展开了如下工作:(1)提出一种基于依存句法分析的显式特征提取方法。通过构建一组显式特征观点对提取规则和剪枝过滤策略,直接获取显式特征及其对应的观点词。该方法不仅考虑名词和名词短语作为特征,也加入动词及动名词短语作为产品特征。(2)提出一种综合特征词相似度和特征对应的观点词相似度的特征聚类方法。通过计算特征词文本的相似度和特征对应的观点词向量的余弦相似度,结合同一评论中提取出的不同特征不能相互聚为一类的聚类限制条件进行特征聚类。(3)提出一种结合上下文和两类观点词的隐式特征提取方法。通过对隐式特征出现的多种类型进行分析,根据隐式特征引导词在评论中出现的类型分别采用特征上下文和两类观点词(模糊观点词和专属观点词)的方法进行提取。此外,本文通过实验验证了特征聚类能提高隐式特征的提取效果。(4)最后,围绕上述研究工作,基于<特征,观点词,否定词个数>三元组,结合情感词典计算各个特征的情感倾向值进行观点总结,通过实现观点挖掘原型系统,为用户提供多种类型的观点挖掘结果展示。