从认识论的角度来划分,信息分为客观性信息和主观性信息。客观性信息描述客观事实,主观性信息反映人或组织对于事物或事件的看法和态度。在过去,由于互联网普通用户只是阅读和接受信息,人们对信息的需求多表现为客观性信息,而如今随着大众参与网络信息的创造和发布,人们对主观性信息的需求更为普遍。虽然互联网包含着海量的主观性信息,但人们查找和利用这些信息的成本很高,迫切需要对主观性信息进行信息分析与处理。意见挖掘利用自然语言处理、信息抽取和数据挖掘等技术识别和分析主观性信息。它的出现满足了人们对于主观性信息分析的需求,已应用于网络口碑评价、舆情监控、企业竞争情报分析等众多领域。意见挖掘研究取得了丰富的研究成果,但也面临以下问题：①信息内容复杂,②信息形式多样化,③语言不规范,④表现出模糊性,⑤依赖于特定领域等。其中,关于情感极性强度模糊性的研究具有重要的学术意义和实践价值,它有助于全面真实地反映主观性信息。鉴于此,本文借助模糊数学和证据理论对情感极性强度模糊性进行处理。将情感极性强度级别看作模糊集,提出一种采用隶属度来表示情感极性强度的方法,判断情感极性属于某一强度级别的程度,运用模糊统计法来计算隶属度；将意见摘要合成看作决策问题,提出一种采用Dempster合成法则来合成意见摘要的方法。笔者以洗衣机为例,采用意见挖掘通用框架构建实验平台,为研究提供数据基础和对比参照。在实验平台上以算例的方式对模糊性方法处理的流程和效果进行了说明。本文共分为六章：(一)研究综述本章总结意见挖掘和情感极性强度的研究现状。意见挖掘研究分为两类技术路线：一类研究重点在于依据言论的情感极性来进行分类；一类研究重点在于抽取并分析有关评价特征的意见。在进行意见挖掘研究中发现,语料库标注者和语言学家之间对情感极性和情感极性强度很难达成一致,表现出模糊性。目前,对于情感极性的模糊性有一些研究成果,但关于情感极性强度模糊性的研究较少。(二)意见挖掘通用框架本章基于意见挖掘通用框架构建实验平台。笔者以20款洗衣机作为对象对框架的核心部分进行说明,主观性数据来源于京东商城,共计6006条。利用特征和情感词选择工具,提取出22个特征和229个情感词,进行情感分析的准确率达到88.47%,并根据网络口碑对洗衣机进行排序,同时将分析结果生成为意见摘要网页。(三)情感极性强度模糊性的问题分析本章旨在对情感极性强度模糊性问题进行分析。在意见挖掘研究中,情感极性表现出歧义性,而不是模糊性,它可以通过消除领域依赖的方法加以解决,而情感极性强度则表现出模糊性,难以消除。(四)情感极性强度模糊性的表示方法本章旨在提出情感极性强度模糊性的表示方法。在模糊数学思想的指导下,将情感极性强度级别看作为模糊集,采用隶属度表示情感极性强度属于强度级别的程度,运用模糊统计法计算隶属度。以算例的形式,计算得到第2章中程度副词和情感词集合的模糊性表示结果。(五)情感极性强度模糊性的合成方法本章旨在提出情感极性强度模糊性的合成方法。在证据理论思想的指导下,将意见摘要合成看作决策问题,运用Dempster合成法则进行合成。此章的算例基于第4章的程度副词和情感词的模糊性表示结果,以“松下XQB60-P620U6"洗衣机为例对合成方法进行说明。(六)总结本章对研究内容进行总结和展望。经过对比分析第5章模糊性处理后的结果与第2章未处理模糊性的结果,表明了情感极性强度模糊性处理的合理性和有效性。最后,对于下一步的研究工作进行了讨论。