1、在電子商務蓬勃發(fā)展的網絡環(huán)境下，越來越多的關于商品的主觀性評論文本出現(xiàn)在各類購物網站上。這些評論文本中包含用戶對產品各個方面的情感傾向，如喜歡、討厭等。對其進行情感分析不僅可以幫助商家及時了解商品的優(yōu)缺點，從而改善商品質量，而且也能為潛在消費者的購買決策提供數(shù)據(jù)支持。情感分析技術能充分利用這些海量的評論文本，從中挖掘出用戶對商品的褒貶態(tài)度，越來越多的研究者涉足到這一領域的研究。
　　情感分析技術的主要任務是從給定的文本中標注出用戶

2、對某個事物所表達的情感傾向。研究內容包括非結構化文本的主客觀內容識別、情感傾向性分類，情感強度等。其涉及到自然語言處理、文本分類、機器學習等多個研究領域。本文的主要研究重點主要是對主觀性文本所表達正向或負向的情感進行分類。
　　本文從商品的屬性出發(fā)，提出了基于組合神經網絡的屬性聚類算法，并用該方法對商品屬性進行聚類。隨后提出將評論文本表示成一個四維向量的表示方法，并結合SVM算法來實現(xiàn)對商品評論的情感分析。針對商品評論文本中經常出

3、現(xiàn)網絡情感詞語這一特點，本文提出了基于Google的word2 vec工具來構建商品評論情感詞典的方法，并用該方法來對評論文本進行情感分析。
　　基于組合神經網絡的屬性聚類方法綜合考慮了評論文本中屬性詞與其上下文中詞語的位置關系，根據(jù)語法和上下文信息來對評論文本中的屬性進行聚類。通過聚類，評論文本被劃分成若干個簇，隨后給每個簇標注一個類別標簽。每個類別標簽中的評論文本都是針對商品的同一屬性進行評價的。由于商品評論文本具有篇幅短小、