随着互联网技术的飞速发展,博客、社交网络、微博等平台的出现,使得人们在网络上发表个人观点变得更为方便快捷。如何从海量数据中提取出消费者、商家、政府等群体需要的信息,并对其进行分析、总结,从而形成有有针对性的、可读性强的分析结果,就变得尤为重要。而现阶段研究者们所进行的观点挖掘,绝大多数都忽略了观点的一个本质特性,即评论者的主观性。单纯地针对评论进行观点挖掘,而未能很好地考虑用户的行为,将影响挖掘结果的精确性。针对以上问题,本文通过引入用户的行为来对现有的观点挖掘技术进行改进。本文的研究成果主要体现在以下几个方面：(1)针对数值评论部分提出了基于HITS算法的改进挖掘算法；(2)针对文本评论部分采用了朴素贝叶斯分类法,将评论内容映射为分值形式；(3)将数值部分与文本部分评论相结合,剔除不相匹配的评论,从而为用户提供更高可信度的观点挖掘结果。对比实验表明,两种算法均取得了较好的效果,两部分评论的结合有效提高了挖掘结果的准确性。