随着Web2.0技术的发展,用户越来越注重在互联网上交流和反馈,于是大量的评论和评价信息随之出现。这些用户生成内容,一方面可以提高读者体验,另一方面又可以用来追踪事件发展和社会态度,因此对用户评论的分析,尤其是情感分析,也越来越受到工业界和学术界的重视。本文针对一种特定的评论形式—新闻评论,研究了两个重要的问题:评论影响力分析和评论中评价对象的抽取。　　 评论影响力分析是评论研究中的一个新课题,不同于传统的评论有用度分析,它更注重评论之间的关系。本文通过探讨新闻评论的内部结构,利用主题之间的关系建立一个全新的主题模型。这个模型不仅能够预测评论的总体影响力,还能对每个主题进行分析,获取主题信息以及在这个主题下的影响力。我们下载了搜狐新闻中20篇新闻下共11307条评论,以实际的用户评分作为标准,实验结果表明我们的模型表现优于传统的回归模型。　　 评价对象抽取则是属于细粒度情感分析的一个重要课题,但是目前的研究局限在新闻正文和产品评论等领域,没有涉及新闻评论这一特殊但很重要的领域。由于格式的不规范以及隐式对象的存在,新闻评论的评价对象抽取难度要远大于其他领域。考虑新闻评论的特性,我们利用新闻正文的信息以及相邻评论之间的语义连贯性等信息,提出了一个基于中心理论的评价对象抽取模型。我们基于国内重要门户网站一新浪网新闻评论人工标注了1597条评论句子,实验证明我们的模型在新闻评论中是有效的。