1、互聯(lián)網(wǎng)的快速發(fā)展，特別是Web2.0的概念和技術(shù)的應(yīng)用與推廣，帶來了全新的媒介形式、社群環(huán)境和營銷理念。在這種環(huán)境下，以互聯(lián)網(wǎng)為媒介的評論、觀點和意見等主觀性文本信息成指數(shù)級增長，文本意見挖掘技術(shù)逐漸成為語言信息處理領(lǐng)域的研究熱點。其中如何抽取觀點句，即將主觀性評論句與客觀性描述句區(qū)分開來，是文本意見挖掘技術(shù)中基礎(chǔ)且重要的一環(huán)。它不僅可以讓用戶更快捷地找到產(chǎn)品的相關(guān)評價內(nèi)容，也可以讓生產(chǎn)廠家對此產(chǎn)品得到及時的反饋從而進行更深入的研究改進

2、。
　　本文針對目前觀點句抽取領(lǐng)域的現(xiàn)狀，重點研究了如何從互聯(lián)網(wǎng)特定領(lǐng)域的非結(jié)構(gòu)化文本中獲取相關(guān)信息并抽取觀點句的技術(shù)，并構(gòu)建了一個基于自然語言處理的觀點句抽取系統(tǒng)。本文的主要工作包括:
　　1.本文提出了一種融合鏈接密度與內(nèi)容相似度的網(wǎng)頁正文提取算法。該方法與以往使用的DOM樹解析方法不同，無需使用網(wǎng)頁分析工具，而是將網(wǎng)頁源碼看作一個字符串，并按標簽分割為不同的節(jié)點，利用節(jié)點內(nèi)容與標題內(nèi)容的相似度以及節(jié)點內(nèi)的鏈接密度來判斷

3、其是否為正文的起始或結(jié)束節(jié)點。
　　2.本文提出了一種SVM和組合列表密度相結(jié)合的網(wǎng)頁評論提取算法，即新聞?wù)南旅娲蠖鄶?shù)都包含諸如:“有XX人參與評論”、“本文共有XX條評論”的超鏈接文字，識別提取此類超鏈接并重定向，可獲取短文本候選網(wǎng)頁。
　　3.本文提出了一種規(guī)則與統(tǒng)計、粗粒度與細粒度相結(jié)合的觀點句抽取方法。粗粒度提取中，融合觀點特征詞、句法特征和依存特征進行提取;細粒度提取中，設(shè)計一種全新的CSR序列提取算法，并結(jié)合語