产品评论已经成为沟通消费者与商家的重要渠道，其口碑效应能够显著地影响消费者的购买决策，进而影响商家的销售业绩。然而，面对海量的产品评论，大多数商家缺乏足够的意识去挖掘其中的价值，对这些评论只是简单存储，定期清理，或者偶尔依靠人工去查询。显然，这种方式效率低，实时性差，浪费了用户的“肺腑之言”。少数商家即便意识到产品评论的潜在价值，但碍于分析手段的薄弱，无法快速而有效地对大规模文本进行观点挖掘。

图1-1　2013年不同年龄网络购物用户购买不熟悉的产品时主要考虑因素

(www.daowen.com)

图1-2　2013年不同年龄网络购物用户购买熟悉的产品时主要考虑因素

因此，评论挖掘成为理论界和实践界关注的焦点。学者们纷纷研究产品评论的自动挖掘问题，并且进一步分析其潜在的商业价值。作为文本挖掘和自然语言处理领域的一个热门话题，情感分析已经引起越来越多研究者的重视。

所谓产品评论的“情感分析”，就是利用文本挖掘技术，对产品评论进行自动挖掘，旨在识别用户的情感倾向是“高兴”还是“不满”，或者判断用户的观点是“赞同”还是“反对”。按照分析对象的不同粒度，情感分析被分为粗粒度情感分析和细粒度情感分析。其中，粗粒度情感分析是将整篇产品评论作为对象进行情感强度计算与极性分类，而细粒度情感分析则是将产品评论中的各个产品属性及其对应的评价观点视作基本的情感评价单元，进行抽取以及情感分析。

近几年来，学者们分别从统计自然语言处理和语义分析两个角度出发，对产品评论的情感分析展开研究，并且取得了一定的成果。目前，已经产生一些情感分析应用系统，例如，Dave K在2003年研发的Review Seer是世界上第一个情感分析工具，也是第一个对产品评论进行情感极性分类的系统[1]。Gamon M等在2005开发的Pulse系统可自动挖掘网络用户对汽车评价的褒贬态度及其强弱程度[2]。Liu B等在2005年开发的Opinion Observer系统可以对不同产品属性的优缺点进行统计，并采用可视化方式对产品属性的综合质量进行比较[3]。