随着网络信息量的与日俱增,巨大的冗余信息使人们很难在短时间内准确、迅速地获取对自己有价值的信息。尤其在大规模的网购热潮中,多数消费者会在购物之前上网查阅其他用户对商品的评价信息,以指导自己的购物行为。观点句抽取旨在区分主观评论句和客观描述句,这样可以方便用户迅速地搜索到产品评价信息,同时,也方便生产商及时地进行产品的市场调查。因此中文观点句抽取成为当前互联网智能信息处理的一个研究热点。它涉及了自然语言处理、信息检索、信息抽取、机器学习等多个领域的研究内容。本文的主要研究内容包括以下几点。首先,通过总结观点句的语言特点,提出三种以指示性动词为核心的句法结构模板,并通过实验验证了其高置信度。然后,设计了一种依存关系提取算法,挖掘出中文观点句中中心词及中心词的附属词之间的依存关系,提取依存关系模板。第三,利用SVM分类器,选取一些基于词语和词性的特征信息,对句子进行二分类,并通过选择不同的特征维数,找到使性能达到最优的特征组合形式。最后,将句法结构模块、依存关系模块、SVM分类器模块三者串行结合,组成中文观点句抽取系统,并达到了最佳抽取效果。本文的创新点为：1)提出了有效的依存关系抽取算法；2)将句法结构、依存关系与SVM分类方法结合,用模板匹配的方式弥补基于概率统计的机器学习方法导致的错判,相互补充。