目的及意义

在新的交易方式——电子商务出现后，越来越多的消费者选择网上购买商品和服务，在接纳快速增长的用户的同时，电子商务购物网站保存了消费者大量的行为轨迹，包括用户在购买商品或服务后的评论文本信息。

而对于商家而言，如何更好的改进商品，进而提升用户的消费体验是至关重要的，所以评论信息中隐藏的大量的有价值信息对商家提高商品质量提供有力的数据支持，相较于问卷调查、咨询等传统调研方式，在线评论数据更为庞大直接，消费者的亲身体验使在线评论更具有可信度，在大量的在线评论中找到用户关注的有关商品属性并进行分类分析，可以快速有针对性的改进商品。但正是由于在线评论信息数量庞大，呈现非结构化形式，这些海量且冗余，且夹杂虚假信息，商家如何挖掘有用信息，提取有关商品属性的摘要词，并将有用性强的信息应用于自身商品改进上，将具有重大的意义。

文献综述：

总结上面的研究背景与意义，可以看出商品在线评论隐藏着多数消费者重视的商品属性与情感态度，而商品属性与情感态度的提取又对生产商对商品的改进起至关重要的作用。从商品的在线评论为切入点，对商品的属性进行深入分析，在很早就已经有大量中外学者进行研究，而且深度与广度方面均有较大的成果。

基于此，如何在非结构化的评论文本中提取特征词与情感态度，并将技术应用于商业研究将是研究的重点。

（一）在线评论特征词提取与情感分析

在海量非结构化的评论文本中挖掘出对研究者有价值的信息方面，国内外学者已形成了较多的理论成果。吴桐提出了一种基于商品属性词聚类、评论相关排序及情感倾向分析统计的结构化摘要生成方法，并根据实证分析验证准确率与召回率有很好的效果。李涵昱通过ICTCLAS汉语分析系统实现了自动化的商品属性和评价情感词抽取，通过PMI-IR计算公式实现了商品评论的情感倾向性分析。胡云凤利用改进的SSTM模型对在线评论进行情感分析，并区分显示评论与隐式评论，利用构建的属性词-评价词对隐式评论进行处理，提高了情感分析的精确性^[8]。

（二）在线评论在产品领域的应用

在张璐等研究的用户网络在线评论信息的产品创新中，研究采集小米品牌手机的用户在线评论样本数据，在经过对评论文本的处理后，包括提取特征属性词，中文分析和词频统计等，重点研究用户在线评论中特征属性词与产品本身应如何创新改正的关系。研究发现，手机改进方向和程度与用户评论变化之间存在很强的关联性，且经过实证分析，利用用户的在线评论对商品进行改进是可行的、有效的。周宏伟以华为手机评论数据为切入点，依据不同的评论句型，构建了多策略分析方法，尤其注重负面情感的抓取,利用情感分析找到产品的不足与优点，对产品做出进一步的改进。