当今社会,网购已经成为人们日常生活中的一个重要组成部分。电子商务平台提供的产品评论功能允许消费者分享购物体验,对所购买的产品或服务发表评论。这些评论信息已然成为潜在消费者进行购买决策所依赖的重要资源,同时为企业制定营销策略以及改进产品和服务提供了重要依据。然而,大数据时代带来了信息过载问题,加之产品评论信息的非结构化特性,使得企业和消费者快速捕获评论中的有效信息存在阻碍。在此背景下,面向产品评论的观点挖掘应运而生,满足了线上交易活动中各方的信息获取需求。而作为观点挖掘的首要任务,评论对象的准确抽取将为观点挖掘后续研究的有效性及科学性奠定基础。目前,在产品评论对象抽取领域,学者们大多关注如何改进已有的显式评论对象抽取算法,而对显式评论对象抽取结果中概念间关系识别以及隐式评论对象抽取的关注度并不高,这导致了产品评论对象抽取发展至今,诸如评论对象识别度不高、准确性差,抽取结果冗余、缺乏关联性等的问题依然存在。为了提升产品评论对象抽取的效果,试图探索引入领域本体所提供的支持和作用,基于本体有关理论,面向评论对象抽取对产品评论领域知识进行了建模,明确定义了本体中的类、属性和实例,并对所构建的产品评论本体实施评价;将现有的关联规则算法作为底层算法,结合语义分析及规则推理的方法,制定一套完整的评论对象抽取实现步骤和方法,利用本体中蕴含的语义知识实现显式评论对象抽取结果中概念间关系的自动获取;以评论对象与标识词之间的标识关系为依据,利用本体推理机制自动提取产品评论中的隐式评论对象;通过产品评论对象抽取实验对本文提出的评论对象抽取机制的效果实施评价。本文的主要结论:对产品领域知识进行本体建模,并将主观性的产品评论信息引入本体模型中,可以有效提高评论对象抽取的可靠性;显式评论对象抽取中,结合语义相似度理论,将抽取结果与本体概念进行同义归并,可以实现抽取结果的规范化、降低冗余度,并依赖本体知识自动获取抽取结果中概念间的关系,可以增强概念间的关联性;隐式评论对象抽取中,基于评论对象和标识词之间的标识关系,利用本体推理识别产品评论中的隐式评论对象,可以满足隐式评论对象自动抽取的智能化需求;通过产品评论对象抽取实验对抽取的效果实施评价,可以验证所建立的评论对象抽取机制的准确程度。本文的主要贡献:结合本体理论,对产品评论领域知识进行结构化建模,并通过实例对产品评论本体的构建过程作出了详细地说明;基于关联规则和语义分析技术,明确了利用本体获取显式评论对象抽取结果中概念间关系的实现步骤和采用的具体方法;在更新后的产品评论本体中定义了用于隐式评论对象抽取的相关规则,以此作为后续隐式评论对象推理实现的基础;结合实验结果对评论对象抽取机制效果实施评价,为相关企业提供更高效能产品评论信息服务的解决方案,为学术界对于产品评论对象抽取有关智能化技术的探索提供了可借鉴的新的思路和方向。