随着Web2.0时代的到来，互联网上评论信息成几何级数的增长。对于这些文本信息，往往包括用户对某件事物的看法和论断。能够准确高效的识别其评论文本中的观点信息并加以利用，将具有巨大的实际应用和经济价值。本文首先介绍了观点挖掘的背景意义，概括列举了国内外具有代表性的学者研究情况，然后针对本文所主要解决的三大问题：情感计算、特征挖掘和观点分类汇总，通过研究国内外相关的研究成果，对一些传统算法进行了改进，并提出了一些具有创新性的算法。(1)在情感计算当中，不仅考虑了分句本身词语对分句情感倾向的作用，同时结合了上下文语境对分句情感倾向的影响，提出了一种基于上下文语境的分句情感倾向推断方法。(2)在特征属性挖掘中，采用了基于属性词和情感词修饰关系的双向迭代扩展方法，针对中文语言特征，利用临近原则方法获取属性词和情感词的修饰关系。并且通过属性词和情感词之间的修饰关联关系，来发现隐式的属性词。(3)在观点分类汇总中，利用属性词和情感词的关联关系，对属性词进行加强聚类运算，获得各种粒度上的属性词簇。按照属性词簇的分类以及其他信息，对观点进行分类汇总，获得用户关心的各种主题层面评价信息。实验结果表明：与传统方法相比，本文提出的相关方法在结果的准确率和召回率上均有较大提高，同时所获取的观点信息能够更加直观具体的为用户服务。