智能手机应用市场正迅速发展，这促使应用开发者持续改进产品并增强市场竞争力。用户反馈分析是推动产品优化的关键手段，使利益相关方能够全面了解自身产品及竞争对手在功能与体验上的优劣，从而生成基于证据的需求，并提升需求获取的效率与质量。方面感知情感分析（Aspect-Based Sentiment Analysis, ABSA）是情感分析的一个分支，其核心在于识别文本中的具体方面（aspect）并为每个方面赋予相应的情感极性。相较于仅关注整体情感的分析方法，ABSA能够提供更精准、细粒度的意见理解，有效克服了传统情感分析在信息表达上的局限性。然而，目前ABSA尚未在智能手机应用评论与需求获取的语境中得到充分研究与应用。本文提出AWARE，作为一个基准数据集，包含11,323条经过标注的智能手机应用评论，每条评论均标注了方面术语、方面类别及情感极性。评论数据来源于三大领域：生产力工具、社交网络以及游戏应用。我们通过内容分析方法为每个领域构建方面类别体系，并邀请领域专家对这些类别的重要性、全面性、重叠程度及粒度水平进行验证与优化。方面类别与情感极性的标注通过众包方式完成，并实施了严格的质量控制流程。方面术语的标注采用部分自动化自然语言处理（Natural Language Processing, NLP）方法，随后由人工标注者进行校验，最终实现98%的方面术语标注准确率。最后，我们针对三项核心任务构建了机器学习基线模型：（i）基于词性标注器（POS tagger）的方面术语抽取；（ii）方面类别分类；（iii）方面情感极性分类。实验中分别采用了支持向量机（Support Vector Machine, SVM）与多层感知机（Multi-layer Perceptron, MLP）两种分类器，为后续研究提供了可复现的基准参考。