随着互联网的高速发展，网络舆情的重要性越来越受到人们的重视，学术界、业界及政府部门对网络舆情进行跟踪及监测的需求日益增大。然而，互联网及信息技术的发展现状使得互联网对网络舆情缺乏语义层面的表达，导致通过互联网直接对信息进行搜检时，查全率和查准率严重不足。为解决这个问题，本体及其相关技术被提了出来，学术界也在本体构建、本体进化、本体维护和本体评价等方面进行了深入的研究。但是，手工构建本体过程中难度很大、成本也很高这一突出问题，一直极大地限制着本体技术在对网络舆情进行监测和跟踪过程中的运用与推广。学术界提出了不少本体学习的解决方案，但是对本体中概念间关系的获取能力依然不高，依旧没有很好地解决问题。本文首先依据基于本体的网络舆情监测与跟踪系统的应用需求，结合本体的构成要素，分析了互联网新闻领域本体学习的目标；并围绕本体学习，对现有本体学习技术进行了分析与研究。之后，本文设计了面向网络舆情任务的本体学习方案，将实现的技术方案分解成流程框架与实现算法两部分分别进行讨论。在流程框架设计上，本文对网络舆情任务进行了需求分析，提出了基于自由文本的本体学习框架；在实现算法上，本文对主题词获取算法、概念获取算法以及概念间关系获取算法进行了讨论。本文有如下特色及成果：首先，将网络舆情任务引入本体学习过程，使得所构建的本体具有独特的领域性，本体学习过程也被附加上了与网络舆情相关的特点。其次，文本提出了基于本体的网络舆情跟踪与监测系统的框架，设计了本体学习过程中概念获取和概念间关系获取的算法，并在一定范围内验证了算法的有效性。