在互联网及社会化媒体的带动下,在线评论的爆发式增长对众多领域产生了深刻影响。导师评价网站及平台载有大量在读研究生、毕业研究生对导师的评论,这些评论为构建导师画像提供了丰富、动态的信息;同时,当前成熟的大数据挖掘技术为分析在线评论提供了有力的技术与方法支撑。挖掘在线评论中导师的动态、静态和显性、隐性信息,能为准研究生选择导师、确定研究方向提供参考;通过量化导师在线评论的情感强度,能够帮助导师了解教研过程中的优点及不足,提高教研质量;构建研究生导师画像及情感本体能够丰富现有的导师评价体系,为导师评价及导师管理提供有益参考。通过分析国内外导师画像构建相关研究,发现基于在线评论研究生导师画像和情感本体的研究较少,而且各大网站平台多展示导师静态和显性信息,缺少导师个性品质、教研风格、学生评价等动态和隐性信息。因此,本研究综合运用文献分析、内容分析、对比分析、问卷调查等方法,通过主题模型提取评论文本中导师的静态与动态信息;以情感模型获取显性与隐性信息,并将其结构化,形成导师动态画像,在此基础上以本体形式展示导师画像。研究内容主要包括:（1）全面梳理国内外导师评价、在线学生评教、导师信息获取、文本情感分析等相关研究现状,明确构建导师画像和情感本体的意义;给出研究方法、研究工具、研究内容、研究思路以及研究创新点。（2）构建基于在线评论主题特征的导师画像。首先,利用八爪鱼爬虫软件获取研究生导师评价网站及平台的在线评论,在分析在线评论特点的基础上,结合用户行为驱动因素设计导师画像维度标签;利用jieba分词技术进行分词、停用词处理;然后,借助TF-IDF和LDA主题模型计算不同维度标签下的主题数量及其权重,形成基于在线评论主题特征的导师画像。（3）构建基于在线评论主题特征的情感本体。在已形成的导师画像标签体系基础上,根据评论文本的内容和情感分类,提炼导师在线评论中含有的类目,通过层次划分得到类与类间的层次关系;界定类的对象属性和数据属性;提取种子词,构建导师在线评论的“特征-情感”词对和“特征-程度形容”词对,得到特征词与情感词的关联关系,依据计算规则修剪词对;利用情感模型判断词对情感极性及强度特征;聚类本体概念,并统计词语频次,以高频词命名节点,形成基于在线评论主题特征的情感本体。研究生导师在线评论不仅含有导师的动态信息、静态信息,还含有学生对导师的情感信息,挖掘分析导师在线评语内容和评价情感有助于丰富当前教师评价的研究体系,可为准研究生选择导师和导师科研管理提供帮助和参考。