随着电子商务的迅猛发展，为了增强顾客满意度，分享顾客的购物经历，网上商家让顾客对已购商品表达意见或建议已成为一件很普遍的事情了。因此，购物网站用户评论区域的评论数量迅速增加，一些畅销产品在一些大的购物站点能达到数万之多的用户评论。大量网络评论的出现，使得产品制造商或消费者很难跟踪己购产品用户的意见和建议，这就给他们的决策造成了额外的困难。因此，一个新的研究领域一一网络评论的表示和应用研究就在这种背景下产生了。
　　本研究针对网络评论中的非结构化信息进行研究，使得这些信息能够更好地得以展现其价值。文章详细探讨了针对网络评论内容进行结构化表示的相关理论方法以及相关应用，通过网络评论分词处理、特征抽取和特征表示实现了网络评论的结构化表示，并提出了利用网络评论对商品进行综合评价的方法。
　　文章首先研究评论分词、词性标注以及对歧义词、未登录词、禁用词的处理方法，然后分析比较传统特征抽取模型的优缺点，并在此基础上提出基于迭代思想的网络评论特征抽取模型，然后利用模糊认知图的知识表示和推理机制，充分考虑特征项之间、特征项与类别之间、类别与类别之间的因果关系和相互影响，提出基于模糊认知图的网络评论表示模型。在此基础上，利用KNN分类器对网络评论进行分类，提出基于证据理论的网络评论综合评价模型。最后，收集来自于互联网的大量客户评论内容，并利用提出的模型和方法进行相应实验，得到了有效的实验结果，进而验证了模型的有效性。