随着计算机与互联网技术的迅猛发展,网络评论已经成为互联网的重要组成部分,如何从这些海量评论中提取有价值的信息,正日益成为人们关注的话题。为此,设计并实现了一个网络评论情感倾向性分析系统,系统主要包括五个部分:数据预处理模块,评价单元识别模块,文本情感倾向性计算公式模块,基于语义的特征选择模块以及机器学习模块。同时,重点研究了如何利用情感特征构造有效的情感倾向性分析算法,取得了以下的研究成果:(1)在基于语义的情感倾向性分析中,情感词典非常重要,而否定词和程度修饰词能在一定程度上影响文本的语义倾向,因此设计了将情感词典与否定词结合、将情感词典与否定词以及程度修饰词相结合的情感倾向性计算方法。(2)在基于机器学习的情感倾向性分析中,特征选择尤为重要。传统特征选择算法具有普遍性。评价单元是评价对象与评价词的键值对,具有较强的情感特性,因此设计了将评价单元与词频相结合的特征选择算法,用于朴素贝叶斯分类器、多项式贝叶斯分类器以及支持向量机分类器中。最后,结合上述研究成果,在面向网络评论的情感倾向性分析系统中,对所提出的基于语义的倾向性分析算法以及特征选择算法进行实现和验证。实验结果表明这些算法是可行的、有效的。