【摘要】[目的/意义]线上购物逐渐成为消费主流，在线情感评价成为消费者购买、厂商产品改进的重要决策依据。[方法/过程] 深度挖掘商品显性和隐性属性特征，提出了融合词典-TextCNN-Word2Vec的在线评价细粒度情感分析模型。首先，利用Protégé软件和Pellet推理机推理等，构建了涵盖外观、硬件、软件、价格、质量、物流和服务7大主题维度的领域本体模型，并建立属性特征词典和情感词典；其次，针对三类在线评价，分别应用基于词典的显性属性情感分析模型、基于TextCNN的显性特征情感分类模型、基于Word2Vec的隐性特征情感分析模型，计算属性特征词的情感值；最后，通过词频加权法和熵权法，自下而上计算各层级主题属性的情感值，实现了多层次细粒度的情感挖掘。[结果/结论]综合基于词典、TextCNN和Word2Vec情感属性映射的三种模型的在线情感分析，显著提高了商品属性特征和情感分析的准确性，商品显性和隐性属性特征的总提取率高达93.77%，商品特征情感分析的加权平均准确率为86.78%。该组合模型为数字经济时代商品多属性特征的细粒度在线情感评价提供了创新研究方法。