随着网络社会媒体和电子商务的快速发展,出现了大量的产品评论信息,这些评论中隐藏着用户对产品的反馈,对这些信息进行挖掘分析,尤其是对产品评论信息的情感极性进行分析,能够给用户购物提供参考,同时能帮助商家提升产品质量,改善经营策略。情感分析技术作为文本挖掘的一个分支,逐渐成为研究热点。本文以电影评论信息为基础,进行了产品评论信息的粗粒度情感分析和细粒度情感分析;构建了LSTM和CNN相结合的粗粒度情感分析模型;细粒度情感分析方面,重点研究了产品属性的抽取与聚类方法;最后设计了影评情感分析原型系统。主要研究内容包括:(1)数据采集与预处理。利用网络爬虫技术,采集豆瓣网站多部电影的评论数据。运用分词工具进行分词、词性标注,借助停用词典去除停用词,利用词向量化技术实现文本的向量化表示,完成数据的预处理。(2)粗粒度情感分析。将词向量特征提取方法与SVM分类模型相结合,利用传统的机器学习方法进行了情感二分类。为提高分类的准确率,在研究LSTM和CNN深度学习方法的基础上,将二者结合起来,提出了LSTM_CNN的情感分类模型,并进行了实验验证。(3)细粒度情感分析。重点研究了属性词的抽取与聚类,首先利用LDA主题模型进行评论文本主题建模,结合基于频率和基于评价关系的属性抽取方法抽取属性词,再利用余弦相似度与LDA主题模型获得的种子属性词计算语义相似度,进行属性聚类,构建主题-属性词词典。借助主题-属性词词典,完成文本属性标注,结合LSTM_CNN分类模型,实现属性级的情感极性统计。(4)影评情感分析原型系统设计。基于本文获取的影评数据,设计了影评情感分析原型系统,实现对短评论文本进行粗粒度情感分析与细粒度情感分析的功能,以直观显示用户评价句子的极性统计结果及文本中各类属性的极性统计结果。