与其他网络文本如网络小说、新闻等比较，在线评论信息属于一种短文本信息，这种评价性短文本已经成为对产品、服务、时间及个人等有价值的信息。但是网络上的在线评论信息分布广泛，数量大到惊人。2009年年底携程网首次发布的《中国酒店用户点评报告》中就指出全球最大的旅游垂直媒体TripAdvisor的中文官方网站到到网的中文商品点评信息有20万条，国内携程网上商品评论信息于2009年8月已超过80万条。如何进行在线评论信息的收集、整理、分析和挖掘，已成为互联网问题研究的热点。显然，面对这些海量的在线评论信息，使用传统的人工方式进行在线评论信息的分析与挖掘已难以实施，目前的研究主要集中在运用自然语言处理、人工智能和数据挖掘技术进行在线评论信息的聚类、分类、意见挖掘的研究，还出现了专门进行评论信息自动搜集、提供检索的搜索引擎（如shermanMeter搜索引擎）。丁晟春、蔡骅专著的《在线评论信息挖掘研究》通过定性与定量分析方法的集合，突出在线评论信息的特征，从多维度、多类别构建在线评论信息的影响因素、内容观点、情感倾向性等分析模型，以辅助各参与方的决策。

在线评论已成为Web2。0时代大众所关注的焦点，也是目前Web挖掘的研究热点。丁晟春、蔡骅专著的《在线评论信息挖掘研究》强调数据挖掘方法和相关工具的结合，通过实际的案例和各类参加相关测评的结果分析，全面讲述基于人工智能、自然语言处理和数据挖掘技术进行在线评论信息挖掘的方法及其应用，包括在线评论信息语料集的收集与处理、在线评论本体的构建、观点句识别、评价对象抽取、评论信息的情感倾向性分析、垃圾评论识别、评论信息的可信度影响因素及其分类研究，还特别针对微博进行深入挖掘研究。

《在线评论信息挖掘研究》既可作为Web挖掘领域的研究人员及相关专业的研究生开展Web数据挖掘、文本分析与处理研究的教科书，也可作为政府部门从事网络舆情分析和监控的人员和企业从事商务智能、产品研发人员的充实技能基础，提高数据分析能力和决策分析能力的参考书。

第1章 绪论

1．1 在线评论的产生与发展

1．2 在线评论的意义与价值

1．3 在线评论的发布动机

1．4 在线评论特征

1．5 在线评论的分布

1．6 本章小结

参考文献

第2章 在线评论信息挖掘概述

2．1 在线评论信息挖掘研究现状

2．2 相关会议及评测

2．3 在线评论信息挖掘方法

2．4 CRFs模型

2．5 SVM模型

2．6 N-Gram语言模型

2．7 本章小结

参考文献

第3章 在线评论本体构建

3．1 基于顶层本体的在线评论本体构建方法

3．2 手机评论本体

3．3 娱乐评论本体

3．4 计算机评论本体

3．5 本章小结

参考文献

第4章 观点句识别

4．1 观点句识别研究现状

4．2 How Net情感词典

4．3 基于CRFs半监督学习的评价词集构建

4．4 基于评价词集的观点句识别

4．5 中文微博观点句识别

4．6 本章小结

参考文献

第5章 评论对象抽取研究

5．1 评论对象抽取研究现状

5．2 影响评论对象识别的因素

5．3 基于CRF和领域本体的显性商品评论对象抽取

5．4 基于SWRL规则的隐性商品评论对象抽取

5．5 中文微博观点要素抽取

5．6 本章小结

参考文献

第6章 在线评论信息情感倾向性分析

6．1 情感倾向性分析流程

6．2 情感倾向性分析研究现状

6．3 基于层叠CRFs的在线评论情感倾向及其强度分析

6．4 否定句文本的倾向性分析

6．5 中文微博情感倾向性分析

6．6 本章小结

参考文献

第7章 垃圾评论识别

7．1 垃圾评论

7．2 垃圾评论识别研究现状

7．3 基于SVM模型的垃圾商品评论自动识别

7．4 本章小结

参考文献

第8章 在线商品评论可信度研究

8．1 虚假商品评论信息发布者行为动机分析

8．2 在线商品评论可信度研究现状

8．3 在线商品评论可信度影响因素实证分析

8．4 在线商品评论可信度自动分类

8．5 本章小结

参考文献