进入21世纪后，随着网络的发展，互联网上的评论文本越来越多，这些文本包含了丰富的主观性信息。如何自动化、智能化处理这些主观信息文本显得愈发重要，情感分析研究正是在这样的背景下产生的。评价对象抽取是情感分析研究中的一个重要的基本任务，旨在自动识别评论文本中的评论的主题，即评论文本中评价词语所修饰的对象。本文主要针对评价对象抽取任务展开研究，主要研究内容包括以下几个方面：首先，针对中文文本，进行中文评价对象抽取方法研究。采用的方法是将评价对象抽取看成序列标注问题，以条件随机场（CRF）为学习模型进行训练。在特征方面，首先直接借鉴英文评价对象抽取方法中常用的特征，比如词形、词性等特征。然后，根据中文特有的语法规则，寻找有利于中文评价对象抽取的特征，进一步提高中文评价对象抽取的性能。其次，提出基于浅层语义分析框架的评价对象抽取方法。虽然传统的评价对象抽取方法已经取得了不错的效果，比如基于条件随机场模型的评价对象抽取，但是这些方法并未考虑句法信息，从而丢失了大量的结构化信息。因此，本文利用浅层语义分析框架对评价对象抽取任务重新建模，将评价对象看成情感词的语义角色，把评价对象抽取任务转换成语义角色标注任务，并在系统中引入大量的句法特征，进一步提高了评价对象抽取性能。最后，对评价对象抽取的领域适应问题进行了研究。为了解决评价对象抽取任务中的语料缺乏问题，本文提出评价对象的领域适应方法，在提出的浅层语义分析框架中，探索两类特征即非句法特征和句法特征用于帮助评价对象抽取的领域适应学习。