1.一种基于商品评论的新情感词提取方法，其特征在于：建立商品评论语料并对其进行预处理：利用分词工具对语料中的每条评论进行分词以及词性、位置标记，并根据依存关系及词性搭配规则提取<主题词，评价词>二元组词对；

对新词进行粗粒度提取：结合相邻词词性及位置、主题词和表情符号位置特征统计旧情感词出现频率；

设置k＝4的滑动窗口获取不同词性词语、主题词以及表情符号周围4个字符以内的词语，根据不同特征为候选词设置概率值，进行概率综合计算，选择排序前30％的词作为候选新情感词；

将新情感词候选集合与现有情感词典对比后去重；

根据同位关系匹配方法来发现其他情感词；

将目前已经提取的候选新情感词按照词频从大到小排序，设置阈值，删掉频率小于阈值的词语；

对已经提取的候选词进行细粒度筛选：结合点互信息值和语料频数差来筛选，二者值均为0时则删除，否则保留该新情感词；

其中，结合相邻词词性及位置、主题词和表情符号位置特征统计旧情感词出现频率；设置k＝4的滑动窗口获取不同词性词语、主题词以及表情符号周围4个字符以内的词语，根据不同特征为候选词设置概率值，进行概率综合计算，选择排序前30％的词作为候选新情感词，包括：利用标注好词性和位置信息的评论作为数据集进行训练，统计情感词出现在不同词性词语周围4个字符以内的频率；利用提取的<主题词，评价词>二元组作为数据集进行训练，统计评价词出现在主题词周围4个字符以内位置的频率；利用标注好表情符号位置信息的评论作为数据集进行训练，统计情感词出现在表情符号周围4个字符以内的频率；

设置长度为4个字符的滑动窗口来获取不同词性词语、主题词以及表情符号周围4个字符以内的词语，并加入候选词集合；

根据不同特征，依据不同特征的出现频率所占比例为每个词语分别设置概率值；

对候选词集合中的每个词语的概率值进行综合计算，并按照从大到小排序，选择前

30％的词语加入新情感词候选集合；

并且，根据同位关系匹配方法来发现其他情感词，包括：

利用语法树来为情感词匹配具有同等地位的新词，从而发现其他的新情感词。

2.根据权利要求1所述的新情感词提取方法，其特征在于：所述根据同位关系匹配方法来发现其他情感词，包括：对评论语句构建语法树，以语法树为特征，利用SVM(支持向量机)来训练，从而自动获取评论文本对应语法树的结构化信息；

再通过计算两棵语法树T1和T2中相同子树的数目来衡量匹配度；

若该新词所在的评论语句与某情感词的语句之间的匹配度达到阈值，则将该新词加入新情感词候选集合。