针对网络中海量的商品评论，一方面商品的厂家希望依据这些评论改进自己的产品和服务；另一方面，潜在用户希望通过这些评论决定是否购买该商品。当前的电商评论中，大多只包含某一商品的星级评论， 对于商品的详细特征评论通常是以文本的方式存储于网页中，评论并没 有杯挖掘和利用。例如：手机评论中“手机屏幕大，待机时间短”，该评论中虽然没有包含“好”或“不好”之类的词，用户根据生活经验得 到的结论是：“屏幕好，电池不好”，这条评论虽然是 5 星级的评论，但是对于“电池不好”这个问题可能会淹没在海量的评论中。商品的厂家 和潜在用户希望更细致的了解这些评论，例如：70%的用户认为手机屏幕大，30%的用户认为待机时间短。针对网络中海量的文本，人工难以 完成对这些评论的分析，因此需要自动化的文本倾向性计算工具。

    商品网评倾向性分析技术的核心是文本倾向性分析，从电商网页中 抓取商品的网评后，对商品评论文本进行自动的计算，从而得到相对细致的用户评价。研发团队对文本倾向性分析的研究已经持续多年，拥有 该成果的所有知识产权。

  　传统的文本倾向性分析算法大多是针对整篇评论的计算，针对商品的特性的倾向性分析比较薄弱。研发团队提出了以商品特征为主要评论对象，对评论进行了更细致的挖掘，将商品的生产者和潜在用户关心问 题进一步呈现出来，以方便生产者和用户的决策。

  　经济效益方面，对生产者来说，可以通过自有产品的评论和相关产品的评论得出自己产品需要改进的方面，从而更好的规划商品，得到更 大的市场份额;对于电商来说，通过对同类商品评论的评估，可以决定经营同类商品中的品牌，以提高效益。社会效益方面,对于消费者，可以通过该类产品的评论决定购买哪种产品，得到合适的性价比。

    电商销售平台中的大量商品评论，通过对这些评论进行抓取和倾向性计算。该软件可以用于任何拥有电商评论的商品生产厂家。电商可以通过该软件对同一行业的商品评论的分析，决定经营同类商品中的品 牌，以提高效益。