随着微博这一新型社交平台的蓬勃发展，越来越多的用户评论信息出现在网络上，如何获取评论中的有用信息并直观的展示给最终用户成了当前学术界研究的热点之一。多数研究者首先将研究目标锁定在了篇章或句子层面的评论挖掘，目标为采用自动方法判断一段文本的评论极性并最终将统计信息展示给用户。这种方法虽然能给出一定的有用信息，但由于不能展示更加具体的评论信息，因此并不总是能满足用户的需求。本文将研究目标锁定在一类特定的微博，即与某热点事件或话题相关的微博。我们从识别含有用户观点的句子出发，进而抽取观点句中的评价要素，最后对事件相关微博的抽取结果进行总结并以直观的方式呈现给最终用户。本文首先从微博研究和评论挖掘研究两个方面对相关工作进行了总结，然后正式提出四个子任务及其解决方案：基于分类器的观点句识别、基于分类器和依存句法分析的评价对象抽取、基于词典的评价词抽取、以及基于图的结果展示，接着从系统设计的角度讲述了方案的实现以及分类特征设计等细节。本文提出的系统参加了第一届中文微博情感分析评测，在两项子任务中F值分别名列第1和第6位，表现出了较好的效果。