随着WEB2.0技术及微博平台的迅猛发展,发布中文微博逐渐成为很多人的一种生活方式和习惯。通过分析微博观点句,个体消费者可以参考其他购买了产品或服务的用户的感受和观点做出他自己的购买决定,公司可以了解顾客的体验从而提升产品或服务的质量、营销策略或竞争模式,国家可以根据大众言论更好地掌握民生、分析舆情和服务大众。但由于海量的微博数据中包含无数冗余、包含噪声及无观点的信息,所以识别并提取中文微博中的观点句已成为近年来的研究热点之一。本文主要从以下几个方面开展研究工作:首先,总结和分析微博文本的独有特征,根据这些特征对Hownet词库进行扩展,并对初始微博语料中的不规范化等现象进行了相应的预处理。然后,利用信息增益对泛选的特征进行了特征筛选,并设计一个评分函数来探索识别观点句的特征模板,然后将该特征模板与SVM分类器相结合,使用Java程序设计语言对中文微博语料进行了观点句与非观点句的二分类实验。最后,通过分析非观点句的特点,设计了一个否定模板,并进行了相应的实验来验证其有效性。本文的主要创新点为:1)从多方面对微博特征进行考虑,从而对Hownet词库进行有效扩展,使得分词处理更加准确。2)结合信息增益的方法和评分函数以及相关分析设计特征模板,从而达到更好的分类效果。3)设计了一个否定模板,提供了探索观点句识别的逆向思路。