随着互联网的迅速发展和普及,互联网已成为人们获取信息的重要渠道；同时,它也成为人们表达自己观点、看法、情感的平台。因此,在各大电子商务网站、电子公告板以及门户网站上出现了大量的有关各种商品的评论信息。商家和厂家的决策者需要了解顾客使用他们商品情况的反馈意见,潜在的购买者也需要根据别人的使用体验来作出是否购买该商品的决定。对于商品生产厂家和潜在的商品购买者而言,面对网络上如此大量、复杂的评论信息,如何迅速有效地获取自己感兴趣的商品评论的总体观点极性倾向(正面的还是负面的)就成为了一个新的问题。观点挖掘技术的出现,正是为了解决这个问题。它融合了信息检索、信息抽取、文本分类、机器学习、自然语言处理、本体论等众多技术,具有一定的文本理解能力,更具有一定的智能性。近年来观点挖掘技术的研究十分活跃,由于观点挖掘涉及到大量的理论技术,本文只对观点挖掘系统中的几个关键方面进行了深入的研究,并尝试构建了一个观点挖掘系统(OMS)框架,主要的研究工作如下：1)根据PageRank算法的思想,结合基于文本内容的启发式方法和基于Web超链分析的方法二者之间的优点,提出一种新的爬行方法,为我们的观点搜索系统专门设计了分布式的、改进的聚焦网络爬虫算法,并实现了这个高效的分布式的聚焦爬虫子系统。2)基于最大熵和支持向量机的方法进行评论的高质量与低质量分类研究,过滤掉大量低质量的商品评论,从而保证观点搜索系统能够给出高质量的查询结果。3)利用《知网》构造具有主观性词的种子列表,然后,根据从《知网》中获得的主观词种子列表以及《知网》中词与词之间相似或相反的关系提出了一个观点词的极性倾向判别算法,从而构建一个带有标注词语情感极性倾向的主观词词典。4)使用了本论文的成果以及其它研究者的成果设计了一个基于Web的观点评论挖掘系统框架。