网络购物已经成为现代生活中越来越普遍的购物方式。统计数据显示:超过30%的消费者在网络上购买不熟悉的商品时,会通过阅读在线评论的方式增加对商品的了解程度。已有的研究表明:在线评论会影响消费者的购买需求和意向,进而决定是否购买。因此,网络平台上的商家已不能完全采用传统的方式进行商品定价,而需要更加重视在线评论的影响,并使用动态定价策略以获取更大的收益。此外,在线评论通常能体现消费者对于商品或服务的满意程度,是商家获取消费者反馈信息的重要渠道。通过分析在线评论内容,可以发现自身商品与服务的优势与劣势,才能做出相应的改进。为了分析在线评论内容,需要对在线评论进行情感分析和观点挖掘。目前国内外关于英文在线评论的研究已经比较成熟,但由于中文的特殊性与复杂性,对中文在线评论研究还仍处于发展之中。本文先通过对现有文献进行梳理,整理出基于百度AI平台相关功能接口调用技术、基于词性路径提取算法的机器学习、以及人工标注这三种常用分析方法。然后采用内容分析法,借助自然语言处理等计算机辅助技术,对京东上销售的智能电视的在线评论进行情感分析和观点挖掘。在利用机器学习方法对在线评论进行观点挖掘时发现,原有的基于“显示”词性路径提取算法的效果并不理想,因此本文丰富了词性路径提取算法,将“隐式”词性路径加入提取模板中。最后以人工标注方法为基准,比较另外两种方法效果的优劣。在获得评论情感倾向和观点情感倾向等描述评论内容的相关数据后,提出在线评论观点情感倾向与价格之间影响关系的相关假设,并对假设进行验证。以京东上销售情况较好的两种智能电视的在线评论和价格作为研究对象,在将评论情感倾向与观点情感倾向等数据指标化的基础上,用spss软件分析所有指标与价格之间的相关关系。在线评论作为评论阅读者收集信息的重要渠道,一方面影响着消费者的购买决策,另一方面也是商家对评论中反映出的问题做出应对决策的依据。本文对在线评论数据进行分析,提取出有用的信息,探究其与价格的关系,辅助商家制定动态定价策略以获取更大的利润,帮助消费者选择合适的购买时机都具有重要的意义。同时,本文的研究方法能够运用到对其他商品的研究,使用的评论情感分析和观点挖掘技术也可推广到对其他中文文本的处理。