为了解决海量电商评价信息中每个评价对象的情感倾向性和评价对象与评价词不匹配问题, 提出一种结合句法关系与语义关系的多粒度条件随机场模型抽取评价单元方法 SSMCRFs (syntactic semantic and multi-grained conditional random fields, SSMCRFs). 首先, 爬取京东商城的评论数据为基础数据, 将评论文本进行句法关系, 语义关系等处理; 然后, 使用TF-IDF算法对预处理后的数据集进行统计分析, 以确定用户的关注度; 最后, 使用条件随机场模型进行评价单元识别. 实验结果表明, SSMCRFs在识别评价单元上准确率达到92.92\%, 召回率达到93.25\%, F值达到93.08\%. 相对于马晓君等(2017)的方法, SSMCRFs 方法在准确率, 召回率, F 值上均有较大的提高.