随着互联网技术的快速发展,电商网站上的商品评论也呈指数级增长。如何从海量的评论中挖掘出有价值的商业信息,成为当前最棘手的问题之一。因此,文本情感分析技术应运而生。细粒度情感分析作为文本情感分析的主要研究内容之一,对文本进行属性级别的情感分析。根据细粒度情感分析的结果,可以为商家提供改良商品的依据以及为消费者购买商品提供参考意见。在基于商品评论的细粒度情感分析研究与实现中,属性抽取和情感分析是最主要的研究任务。本文针对属性抽取中存在的人工标注工作量大、无监督学习方法准确率偏低以及在情感分析中现存情感词典领域适应差、覆盖率低等问题进行研究。本文工作如下:1.针对现有属性抽取方法中存在的人工标注工作量大、无监督学习准确率偏低等问题,提出了一种基于近邻传播聚类和点互信息剪枝的属性抽取方法。该方法首先根据一定的句法规则抽取候选属性,然后对候选属性进行词向量表示并进行近邻传播聚类,最后利用类簇中心与指示词的相似度进行非属性类簇剪枝以及利用点互信息进行属性类簇剪枝,从而得到属性集。实验结果表明,该方法可以有效提高商品属性抽取的准确率。2.在情感分析中现存情感词典存在领域适应差、覆盖率低等问题,提出了一种基于情感词典的细粒度情感分析方法。首先采用TF-IDF算法对评论中的词进行训练得到候选种子词集,将候选种子词集与基础情感词典求交集并选取TF-IDF值高的作为种子词,然后通过SO-PMI算法识别出情感词,再结合基础情感词典和Boson NLP情感词典整理得到情感词典,最后结合属性词集通过聚合情感打分判断商品属性的情感倾向。实验结果表明,该方法可以有效提高细粒度情感分析的准确率。3.设计并实现了一个细粒度情感分析原型系统。该系统可以从商品评论中自动抽取商品属性,并将该商品属性的情感倾向进行可视化展示。