网络社交媒体为人们提供了快速便捷的交流环境,通过这些社交平台人们可以对社会舆论热点发表自己的观点和看法,情感分析是一种从观点和看法中分析人们所表达情感的技术,已成为当前自然语言处理的热点问题,在情感预测领域具有重大的应用前景。针对单分类算法模型的情感分析泛化能力较弱等问题,提出了集成方法的情感分析,泛化能力较好,在情感分析上有很好的适应性。本文研究的主要工作围绕以下两个方面展开。1.对目前比较流行的开放情感词典进行了分析,构建了情感分析中使用的情感词典,按照情感倾向划分了词汇库。根据微博短文本数据的特点,对数据预处理筛选出研究的语料库,并基于选取的特征,对语料库进行了向量表示。调查了情感分析的现有模型和常用的单分类算法模型分析优点和不足,并对单分类算法模型进行了实验验证。2.提出了一种异质集成方法的情感分析模型,解决了单分类算法模型在假设空间的训练集上进行学习时误选而导致泛化性能不佳等问题。基本思想是,首先,利用构建好的情感词典对微博短文本特征进行表示和选择。然后,根据不同的单分类算法模型特点将模型按照一定的策略进行集成,包括两种方式,一种是将两种或两种以上单分类算法模型的实验结果采用置信度加权平均的方法组合情感分析模型,选择置信度高的子分类器做分类决策;另一种是将分类器的分类结果和置信度作为更高一层集成分类器的特征的方法组合成情感分析模型。最后,设计实现舆情情感分析平台。实验结果表明了提出的集成方法对情感分析是有效和可行的。