随着互联网的飞速发展,网络上的信息爆炸式增长,特别是文字信息可以用海量来形容。为了能有效的处理这些信息,自然语言处理技术所面对的任务越来越多,其中语义倾向判断是近几年提出的一项任务,其目标就是对于给定的一个主题或者观点,判断对于这一主题或观点的评论性文本的倾向态度。本文针对句子层的语义倾向判断,提出一种新的构造句子向量的方法,之后利用支撑向量机(SupportVector Machine,简称SVM)分类器进行语义倾向判断。本文首先介绍了语义倾向判断研究的背景、国内外研究的现状、目前工作所存在的不足以及本文所提出的方法的理论基础。其次介绍了文本分类技术、PMI计算、SVM分类器、语义角色等进行倾向判断的工作基础。接着介绍了本文的核心工作,两类六种语义倾向判断的方法,其中的四种方法在对句子向量化时,通过对句子进行语义角色标注为句子向量增加句子结构信息。最后收集语料设计相关实验,得到最后的结果,并分析了实验中所存在的问题与待改进的地方。数据显示其中的一种添加句子结构信息的方法其准确率可以达到88.97%。对比其他句子向量构造的方法,实验表明这一句子结构信息对提高句子语义倾向判断性能有一定帮助。