电子商务在迅猛发展,网络信息日益增多。随着越来越多的人在网上购物,如何提高用户体验加强商家与用户、用户与用户之间的信息交流成了一个重要的问题。用户购物后留下的评论是用户之间和用户与商家之间信息反馈的重要平台,因此本文提出了对用户评论进行研究。对用户评论的挖掘和传统的文本挖掘有所不同,因为用户评论一般远远短于普通文本长度,聚焦的信息点更细。这其中涉及了很多自然语言处理,机器学习和数据挖掘的技术。随着机器学习的发展,特别是深度学习的兴起,很多问题都得到了进一步的深层次研究。本文结合自然语言处理基础知识,关联挖掘算法,层次聚类模型,神经网络和决策树算法等对评论自动摘要做了新的研究。本文针对中文的特性,对提取英文中评论特征的Apriori算法做了改进,取得了不错的效果,证明了该方式的可行性。提出了使用词激活力模型对评论特征聚类,比传统聚类模型有更强的适用性。针对评论句的情感分析,基于word2vec使用了递归自编码的神经网络,比传统朴素贝叶斯分类器,F1值提升了大约8%。最后提出使用决策树建立特征的层次模型,更好的组织了摘要的展示。