近年来,随着web2.0的迅猛发展,互联网不断扩展成一个拥有海量数据并且内容丰富的信息载体。并且涌现出一些新型的,与用户交互性强的知识服务形式,其中典型的服务包括百科知识、个人博客、论坛等等。其中,论坛在网络上营造了一个虚拟空间,用户可以在这里提出并讨论问题,共享信息。由于其发表帖子随意形式简单,有很高的时效性,深受广大用户的喜爱。如何能充分利用金融领域论坛中的数据,整理并挖掘海量论坛数据中有用的信息,提供给用户查询访问是本课题的主要内容。　　本文主要构建了面向金融领域论坛搜索以及观点判别系统,主要包括以下两个部分:　　首先搭建一个面向金融领域论坛的垂直搜索引擎,按照搜索引擎的流程,依次实现了爬虫模块,网页数据提取并索引模块,查询排序模块。针对金融领域论坛垂直搜索,每一部分的实现都有其自身的特点。在爬虫模块的设计中,抓取策略是对于每天的热点股票给与更高的抓取频率,以提高系统整体数据的时新性。在查询排序模块中,不仅提供了通用搜索中的相关性排序,针对论坛这一结构,用户还可以选择根据点击量,回复数,发表时间等排序结果。　　接下来,又对论坛中的帖子数据做了进一步的挖掘,为用户提供更加人性化,智能化的服务,主要工作就是通过文本分类判别论坛帖子的观点。在将文本数据分词,文本特征提取之后,使用朴素贝叶斯算法完成分类的工作。并改进了贝叶斯算法,提出了基于知网HowNet词语相似性的朴素贝叶斯算法,有效提高了文本分类的性能和准确性。　　本课题金融领域论坛搜索及观点判别中的所有模块都已经挂载海天园的平台上面,可以稳定运行并为用户提供服务。