Web2.0的兴起吸引了越来越多的因特网用户,电子商务和论坛在这一平台上得到了长足的发展。在线购物网站和产品论坛中积累起海量的产品评论。产品的潜在用户希望从中获取有价值的产品体验信息,从而为其购买决定提供参考,生产商和供应商也希望从中了解现有用户的评价,从而有效地改善产品质量,提供更好的服务。　　 但是产品评论数量往往是惊人的,完整的阅读这些数据难以实现,而如果只浏览部分评论,往往又会陷入对产品的偏见。意见挖掘提出,针对这些产品评论做基于特征粒度的总结,使得用户既可以一目了然地了解到该产品各特征的评价,也可以只浏览自己感兴趣的特征评价,从而大大节省了用户时间,提高了用户体验。　　 本文着重解决产品特征与意见词典的学习以及隐式特征的识别。首先基于添加了语法约束的关联规则挖掘,学习出显式特征与意见词的识别规则,并将其运用于产品评论数据集上,提取出产品的显示特征词典和意见词典,为进一步实现产品评论总结和情感分析提供依据,然后利用已知的显式特征和意见词,采用流形对齐的方法,学习出显式特征和意见词在语义空间的坐标,从而利用空间关系实现对隐式特征的推断。　　 从实验测试可知,本文提出的基于语法分析的特征词与意见词学习方法,能够很好地捕捉特征词与意见词,具有较高的精确度和召回率,稳定性与健壮性好。对于隐式特征识别这一难题,也能保证相当的精确度。