大数据时代背景下,互联网积累了越来越多的有关用户的有用信息,例如,用户的地理位置、浏览记录、商品评论等。我们可以对这些有用信息进行数据分析,挖掘用户的隐含意图,提供个性化、贴近用户真正需求的服务。本文的研究将围绕中文网络评论的情感倾向性分析展开,基于自然语言处理、机器学习相关理论进行实验,判断网络评论的情感倾向性。快速分析网络评论情感倾向性的方法将应用在评论分析与决策、舆情分析与监控、信息预测、个性化推荐等领域。本论文涉及到的研究内容主要为以下三点：第一,中文网络评论预处理过程分析。本文分析了网络评论和规范文本在分词、语义特征选择等方面的区别和难点,提出了基于公众汉语网络文本情感分析预处理的解决方法。第二,中文情感分类特征选择方法研究。本文基于传统的特征提取算法信息增益(IG)、词频(DF)、互信息(MI)进行改进,改进后的算法在中文情感特征提取方面具备新的特性：能反映文本的情感倾向、特征项分离容易、不同情感倾向的文本区别明显、特征项个数较少。再次,本文比较了不同分类器在中文情感分类中的优劣,找到了最佳的分类器和特征选择算法组合,给出相关组合效果的解释分析。第三,基于Spark分布式框架实现中文情感分类。本文基于Spark框架实现了中文情感分类的分布式计算,用于应对大规模的数据集和快速处理的需要。