在web2.0的时代背景下,网络上出现了大量带有感情色彩的文本,产品评论就是其中之一,它是消费者购物后在网购平台发布的对产品的真实感受。随着电子商务的发展,产品评论海量增加,对这些产品评论进行情感分析可以为商家和消费者提供更多决策依据。传统的情感分析是面向篇章、句子级别的粗粒度的情感分析,不能满足消费者想要了解产品细节特点的要求。因此本文采用细粒度情感分析的方法对产品评论进行分析,分析工作主要包括情感要素的识别和情感评价单元的抽取,围绕这两部分工作具体的展开情况如下:首先,针对粗粒度情感分析忽略具体评价对象的情况,本文采用基于条件随机场(Conditional Radom Field,CRF)的细粒度情感分析方法进行情感要素的识别,识别过程中,为了更好的提取评价信息特征,进行了基础评价词典的扩展;为了提高实验语料的标注效率,对语料采用协同训练的方法进行半自主标注。然后提取了各种语义特征,构建了适当的特征模板,最后,利用条件随机场模型对语料进行了训练和测试,提取了情感要素。实验结果表明,半监督的语料标注方法提高了语料的标注效率;实验中组合的不同特征信息,证明了本文提出的特征组合方法跟传统基线方法相比更有优势;经过扩展的基础评价词典比原始的评价词典抽取的评价信息特征对情感要素的识别也更有效果,提高了情感要素的综合识别率。其次,针对现有细粒度情感分析忽略无关评价要素(评价对象、评价词)的情况,本文提出用语法树剪枝的方法去除无关评价要素,来抽取评价单元。为了将语法树中无关评价对象和正确的评价对象区分开,构建了评论主体的领域本体;为了将无关评价对象和评价词之间的句法结构从语法树中剔除,构建了句法路径库;在领域本体和句法路径库的辅助下,将评价对象与相应的评价词进行配对提取,实现了评价单元的抽取工作。实验结果表明,去除无关评价的干扰,不但可以提高情感要素的识别率,而且使得评价单元抽取的准确率提高了 17%左右,证明了语法树剪枝方法的有效性。