互联网已经融入我们的日常生活,与我们的工作和学习密不可分。网络的迅速普及和快速发展使得互联网承载了无比巨大的信息。自从进入Web2.0时代以来,各种各样的信息资源更是丰富多彩,各种新型的交互网站也逐渐兴起。互联网用户更多的参与进来,他们可以通过网络媒体发表看法和意见等信息。本文详细探讨了针对网络评论内容进行观点挖掘的相关理论和方法,设计了观点挖掘的实现过程。本文通过对观点倾向分类的方法和过程的实现来分析客户行为和观点倾向,详细研究了观点挖掘中特征和极性提取方法和过程,并分析了客户观点表达的规律。本文结合网络评论内容的上下文特点对网络用户的观点进行总结并分析了解客户的语义倾向。研究中收集了来自于网上的大量客户评论内容,本文对这些数据进行了结构化处理,并进行分词和标注以便于进一步分析。我们对预处理后的数据进行特征提取并表示成向量空间的形式,通过运用计算机自动分类的方法对预处理后的文本数据按照不同的属性进行观点分类。在分类的过程中,本文使用了支持向量机的方法并运用Weka软件进行针对每个含有星数的属性进行分类,研究中还对分类过程和方式进行改进以求达到更好的观点分类效果,通过对分类结果的分析我们发现了评论中隐藏的客户观点表达规律,这方面的知识有助于商家更加有针对性地了解客户。网络评论中常常包含有客户对各种商品及属性的评价,这些内容对我们来说也是有价值的。本文研究了评论对象及其属性特征的挖掘方法并设计了挖掘的过程。研究中通过运用词频统计和互信息值计算等方法设计了被评价事物及特征提取的过程,再结合语义规则和知网语义分析等手段进行极性提取。本文提取了被客户打上星数的属性特征的子特征并进行了展示。本文还运用统计理论和方法分析了客户口碑对商业方面的影响。客户的网上评论是以口碑的形式进行传播,这种网络口碑无疑对客户和商家的交易行为产生很大影响,研究中客户观点倾向对店铺回头率的影响分析帮助我们更加了解客户行为规律。本文试图通过对观点挖掘的研究为相关领域研究提供参考,帮助商家更好地了解客户并进行客户关系管理,为客户的消费决策提供更好的支持。