陈 莹，叶 宁，徐 康，王汝传

(1.南京邮电大学 计算机学院、软件学院、网络空间安全学院，江苏 南京 210046；2.江苏省无线传感网高技术研究重点实验室，江苏 南京 210046)

0 引 言

依托互联网+逐层推进的时代背景，足不出户的网购以不可逾越的地位占据人们的内心世界，参与网购的人数与涉及的商品服务种类与日俱增。可见，网购俨然成为一种时尚的潮流[1]。由此衍生出的在线评论数据呈爆发式增长并且蕴含着巨大的潜在价值[2]。对这些数据的有效挖掘可以帮助公司和商家深入了解消费者需求，从而提高产品的质量。但是，仅从文档层面或句子层面分析还不足以探究用户的意见。人们通常对产品的各个方面进行评论，包括产品的组成部分以及属性。因此，有必要对产品特征级别的观点进行提炼，而不是针对整个产品或整个评论文本。

然而，分析客户评论以获得更细粒度理解的自动化任务面临着许多挑战，特别是由于在客户评论中并不总是显式地提出。已有的技术和研究大都只是致力于从评论语料中挖掘和抽取在评论语句中显式出现了的评价对象[3]。而根据Kim和Flavius的研究可知，产品中许多重要的特性也会被消费者含蓄地提到[4]。例如评论句“手机很小，可以放进我的口袋里”隐式地表达了关于手机“尺寸”方面的意见。隐式特征的提取是一个复杂的问题。文中主要研究隐式方面识别。

考虑如下关于电子产品领域的评论：

例子1 “很棒，很顺畅不卡顿。……