随着互联网和电子商务的不断发展,人们越来越热衷于网络购物,从而导致了商品评论急剧增加。商品评论中包含了许多有用的信息,消费者可以通过评论了解商品的口碑,做出购买决策。品牌商家可以通过评论发现产品的优劣,对优点进行宣传,对缺点进行改进,进而更好地维护商品的品牌价值。但是,目前电商平台上的评论仅仅分为好评和差评,并且传统的情感分析也不能细粒度地作用于特征属性之上,整体的情感倾向已经不能满足消费者和品牌商家,他们更希望从评论中了解用户对于商品具体特征属性的看法。目前,将细粒度情感分析技术应用到评论分析和商品品牌价值维护中的系统并不多,针对以上问题,本文研究了商品评论的细粒度分析,并将分析结果应用到评论挖掘系统中,帮助消费者选择商品,帮助品牌商家维护商品品牌价值。本文的主要研究内容如下:1.研究和分析了文本情感分析技术,包括文本预处理、特征提取等方法。研究和对比了基于语义分析和基于机器学习的情感分析技术。2.本文在以往的特征提取以及分类的研究基础上,提出了将显式特征和隐式特征分开提取的方法。在显式特征的提取过程中,在基于临近原则的基础上增加了三条规则,提高了特征提取的准确率。在隐式特征的提取过程中,采用了基于特征词和情感词修饰关系的双向迭代方法,该方法可以扩展特征词和情感词。3.本文将双向迭代方法扩展的情感词运用到领域词典的构建和自动扩展中,并且结合其它词典,在常见的基于词典的极性判断上提出改进方案,利用词性以及语言学知识将情感词极性强度量化,更有效地对商品特征进行对比和分析。4.本文结合网络爬虫等技术,设计和实现了商品评论挖掘系统,包括评论采集模块、数据预处理模块、商品特征提取和情感分析模块等。最后通过系统测试表明:细粒度情感分析技术能够有效地帮助消费者和品牌商家做出决策,具有较强的实用价值。