随着互联网技术的迅猛发展和普及，特别是Web2.0的兴起，网上购物、微博、博客及BBS论坛等各种新兴的互联网应用正成为人们感兴趣的热点，而网上购物后的评论、博客、微博以及BBS上的意见信息也在与日剧增。这些评论和意见信息通常具有比较重要的价值，一般政府部门可以通过互联网上的评论来了解人们对某个政策法规或事件的看法并进行及时的科学决策。商业机构可以通过调查互联网上的产品评论来监测顾客意见和预测市场趋势，进而改进他们的服务和产品或采取更为有效的有针对性的营销策略。消费者也可通过浏览其他消费者对某个产品的网络评论并作出判断他们是否购买该产品。因此，怎样有效处理和分析这些具有情感的意见信息是文本情感分析领域亟待解决的问题之一。意见挖掘(opinion mining)研究正是为了满足这些应用而发展起来的，而且已经成为当前自然语言处理(NLP)相关领域的研究热点之一。意见挖掘一般包括三个方面的内容，即有主观性识别、意见极性分类和意见抽取。而本文研究的是意见抽取相关方面的问题。本文利用统计和规则相结合的方法研究汉语中评价对象即主题特征和评价对象、情感词关系对抽取的问题。具体地，本文从将以下几个方面展开论文的研究。首先，本文首先介绍了意见挖掘方面的基本概念，意见挖掘包括的子任务，意见挖掘研究的层次和研究重点，然后介绍汉语意见挖掘研究现状，以及意见挖掘研究的在国内外研究现状。其次，意见句中的评价对象的抽取是细粒度词语级意见挖掘要研究的关键问题之一。为了提高评价对象的抽取性能，本文在条件随机场模型，最大熵模型，支持向量机三种系统模型下综合名词性信息，频率信息，依存关系等各种信息，重点探索在不同特征和不同模型框架下对评价对象抽取的影响。实验结果表明，本文在引入各方面的特征信息后经过三种模型的对比发现条件随机场模型更适合对评价对象进行抽取。最后，本文主要基于统计和规则相结合的方法研究评价对象、情感词关系对抽取问题。首先应用t检验和规则方法对评价对象，情感词关系对进行抽取然后利用查字典的方式进行再抽取，最后采用互信息的方法对评价对象、情感词关系对进行扩展。并将第三章中最好评价对象识别结果采用就近匹配方法与标准的评价对象数据采用同样的方法进行比较。实验结果表明：本文提出的两种对评价对象、情感词关系对抽取方法是有意义的。