随着时代的进步,大量的自然语言文本出现在了电子商务、论坛、博客等网站上。它们数据量太大,所以无法用人力来一一分析,使用电脑来对这些数据进行语义分析是必然的选择。现在主要的自然语言处理方法有两种,一种是基于统计的方法,它是机器学习领域的成果,主要原理是用词组出现的概率来计算舆情信息;另一种是基于有限状态机的方法,主要原理是由语言专家归纳语法规则,系统读取这些规则并处理文本、生成舆情信息。第二种方法在准确率上要超过第一种方法,而且能够做到短句的精确处理。本文就是基于第二种方法展开研究的,它也叫做基于规则的方法。本文提出了一种基于规则和有限状态机的自然语言处理方法,它能够处理自然语言、生成语法树、抽取舆情信息,而且非常高效和准确。这种方法有别于基于概率统计的n-gram方法。基于统计的方法依赖于词组出现的概率、标准语料以及机器学习。本文中阐述的方法的原理是语言学家总结归纳出许多语法规则,这些规则会生成有限状态机,有限状态机就可以匹配文本,并且生成语法树。有限状态机是规则的最佳实现,它能够把一个个规则转变成有限状态机的状态和转移,能够线性地处理自然语言。系统处理的整个过程分为切词、识别词干、添加词性、语法规则匹配、生成语法树、提取舆情等步骤。在语法树中,能够看到基本语法结构,比如主谓宾等。在规则开发过程中需要用到基线来作为标准,考量规则的正确性。当基线中的文本量非常大的时候,系统运行规则就会消耗大量时间,这对于规则开发人员调试规则造成了很大困难。本文提出了一个规则调试系统来帮助规则开发人员解决这个问题。调试系统能够接受一些指令进行工作,它是一个集群,能够过滤掉许多不必要的基线中的句子、单步执行某一个有限状态机、从中途恢复状态机,从而节约大量的时间。最后,本文评估了自然语言处理系统,发现它通常有着大于80%的准确率,超过了机器学习方法的准确率。还对调试系统各方面的性能进行了比较,发现它能够在调试规则方面大幅度提高响应速度。本文的研究对于基于规则的自然语言处理和大数据基线的处理方法具有参考意义。