目前，互联网上信息与日剧增，蕴藏着巨大的信息量。在网络上，人们可以获取到相对以前更多的信息，在这些网络信息中，评论类型的信息占有十分巨大的比例。由网络本身特点所限，这些评论信息十分繁杂，大量有效信息与无效信息往往混杂在一起。人们想要在短时间内从针对诸如人物、事件、传媒、产品等的评价信息中获取有价值信息往往十分困难。因此针对评论信息的挖掘分析，有用信息提取已是一个日益重要的任务。在评论信息的挖掘分析，有用信息提取方面，本文主要关注于评论文本过滤以及对评论信息的主题属性提取与情感分析上。在评论文本过滤主要实现了对网路评论文本中的无用语的过滤，并通过分析评论文本与主题文本的相关度来过滤其中相关度较低的无关评论信息。在评论信息的主题提取方面则进行了对针对特定主题的评论集合中关注的主题属性词进行了识别，在感情分析方面则进行了针对具体每条评论以及整个评论集合在感情倾向性方面的判断。针对评论文本过滤，本研究先对中文文本利用成熟的分词工具进行了分词划分以及词性标识，结合无用语字典树实现了无用语的过滤，同时利用文本间距离分析实现了主题不相关文本的过滤。对于评论信息的主题提取，本研究在汉语文本的名词以及名词短语的挖掘基础上，利用针对中文的词性组合规律，结合文本训练集与中文伴生词匹配进行数据筛选，完成了对评论信息中关注的主题属性的挖掘分析。在评论感情倾向性分析步骤中，从底层至上层逐次进行分析，在最重要的感情极性词挖掘部分，利用一种基于极性词字典的无监督学习方式进行词汇扩容，实现了极性词的自动获取与定量评估，在此基础上，实现针对中文短句，中文评论以及整体评论集的感情倾向性分析。