近年来电子商务的爆炸式发展吸引了越来越多的人到网上购物，购物评价是网络购物中非常重要的一部分，几乎所有的电子商务网站都提供给消费者对所购买商品发布评论的功能。互联网上这些海量的评论数据有着非常大的价值，可以给潜在的消费者提供极具参考意义的实际商品信息，同时也能够给商品生产商提供非常有用的反馈信息。如何有效地从数量庞大的消费者评论中挖掘出消费者所表达的观点、情感等意见信息是意见挖掘技术研究的主要内容。为了挖掘消费者评论中有价值的细节信息，基于细粒度的特征级意见挖掘技术是近年来学术界研究的重点。但是，已有的技术和研究大都只是致力于从评论语料中挖掘和抽取在评论语句中显式出现了的评价对象。然而，在产品评论中有相当一部分的评论句子并不直接包含评价对象词，但是却隐含了评价对象。这些隐式评价对象的识别是意见挖掘中最困难的问题之一，特别是在中文评论领域，由于中文语言的复杂性，使得这一任务更加困难。本文对中文产品评论领域细粒度的意见挖掘进行了研究和探索，并专注于解决产品评论中隐式评价对象的识别问题。本文提出了一套新的方法框架来识别产品评论句子中的隐式评价对象。首先，通过利用分词、词性标注和句法依存分析等技术，本文提出了一种基于规则的方法来抽取显式评价对象-评价词对；其次，对评价对象做聚类和构建评价对象-评价词对的训练文档；最后，把隐式评价对象的识别转换为基于分类的评价对象选择问题，利用文本分类算法就可以识别出隐式评价对象。实验评估表明我们的方法比现有的方法要好。