随着一系列网络平台的出现,网络上产生了大量由用户生成的汉语意见文本。网上评论信息数量巨大,用户希望能够了解评价产生的原因,而商家也希望能够获取更多信息来帮助自己改进,解释性意见句识别就是为了适应这一需求而产生的,也是为进一步的解释性意见挖掘作铺垫。本文面向汉语产品领域及服务领域的评价信息。具体来说,本文的工作主要分为以下三个方面:(1)解释性意见句语料库构建:本文针对手机和酒店两个领域的汉语评价信息,分别构建解释性意见句语料库。制定详细的标注规范,对语料库进行统计分析,对比产品领域和服务领域的语料特点,并分析在两个领域下解释性意见句识别效果不同的原因。(2)基于CNN的解释性意见句识别方法:解释性意见句识别的工作任务就是从意见信息中识别出含有解释性意见的句子,即对意见句进行二分类。本文采用卷积神经网络和最大熵的两种方法进行识别,首先对卷积神经网络的框架进行详细的介绍,然后在CNN框架下对可能影响CNN分类效果的因素分别进行实验,采用不同窗口大小、不同池化方法等,选出效果最好的一组参数与最大熵方法进行对比,最终实验结果表明,CNN能够更好的解决汉语解释性意见句识别问题。(3)解释性意见句识别系统实现:本文利用CNN训练解释性意见句识别模型,分别应用于手机和酒店领域。构建解释性意见句识别系统,并对系统进行了测试。实验结果表明,基于CNN的汉语解释性意见句识别系统具有更优的性能。