随着社会的发展以及科技的进步，Web社区的影响力日渐增大，社区强大的用户网使得重要信息能迅速得到社会关注，用户针对产品、话题、政策等发表的观点和建议也为企业营销、政府网络问政等提供了巨大的价值，因此，对社区中用户所发表的信息包含的观点进行挖掘具有重大的研究与应用意义。　　 本文对贝叶斯分类算法进行改进，然后基于改进后的算法对话题进行监测，目的是监测后续数据流中表述同一话题的帖子或信息，充实观点挖掘的数据源，本方法改善了分类过程中训练样本分布不均以及样本稀少所带来的影响，实验表明该改进提高了话题监测的性能。　　 另外，用户所发表的信息包括话题信息以及其他用户对该话题的评论信息。针对指定话题的评论信息，本文对基于词典的观点挖掘方法进行了改进，判断评论信息中所包含的观点是属于positive还是negative，该方法结合了观点词的词频、观点词的位置以及语法等特征对观点进行挖掘，最后我们对微博中的评论信息进行实验，实验表明本方法能对评论信息中的观点进行有效的提取；针对话题信息，本文提出了一种基于用户模型的观点挖掘方法，对话题所含观点的权威性进行判断，该方法使用用户领域知识以及用户之间的社交关系构造用户模型，计算用户的重要性，然后结合该话题的评论信息的观点挖掘结果来判断话题的权威性；最后通过实验表明用户信息对于观点权威性的判断确有重要影响。