随着万维网的飞速发展,网络已成为完美的交流意见和发表观点的平台。越来越多的用户在论坛等平台发表对产品的评论。这些评论信息对于消费者和产品制造商都有较大的参考价值。然而,迅速增长的评论信息使得人工获取分析很难。因此,基于自然语言处理方法的产品评论分析有着重要的研究价值。在产品评论分析中,提取产品描述词和情感词是重要的处理过程。本论文针对中文评论信息,借助于计算语言学、统计学领域的理论和方法,从词性、句法分析两个不同语言粒度入手,挖掘出产品属性词和对应情感词间的模板,探索从中文评论语句中提取产品属性词及对应情感词的新算法。本文提出了对于不同领域的语料,给定领域相关种子词,基于模板从语料中互推迭代提取出产品属性词和对应情感词的提取算法。实验结果表明,该提取算法所需人工干预较少,性能优于现有方法,而且在此基础上实现了模板和提取算法的领域无关。本文的创新点是：1)利用产品属性词和对应情感词间的关系在两类词间进行互推迭代；2)本文设计的产品属性词和对应情感词提取算法领域无关且性能优于现有方法。提取算法不需任何领域相关的训练语料,只要给定极少的领域相关种子词就可以将词性模板、句法树路径和提取算法直接应用于其它领域。