近年来,随着互联网深入发展,移动终端技术逐渐成熟,社交网络已融入人们日常生活,越来越多的网民在社交网络上抒发个人情感、点评社会热点等,社交网络舆情分析有着至关重要的作用,受到学术界和产业界的普遍关注。微博作为一种新型社交网络,为用户提供了一种随时随地分享和获取信息的新型网络交流平台,微博用户数量逐年攀升,对微博数据进行情感分析,能够挖掘出微博用户对社会事件的观点想法,追踪事件的发展态势,进而更有利于舆情监控、谣言控制等工作的开展。为了更好实现微博数据情感分析和舆情分析目标,本文对微博进行细粒度情感分析,将情感类别划分为高兴、喜好、悲伤、愤怒、厌恶、恐惧、惊讶这七种类别。通过分析微博情感研究现状,并结合微博自身特性,本文提出了融合微博显性和隐性特征的情感聚类方法,开发了微博情感分析与监控系统,主要研究内容包括以下几个方面:1)分析微博短文本特性,提出了微博显性情感特征,主要包括微博自带表情符号、情感词,设计构建了表情符号词典与情感词典,并扩展了网络词语情感词典,充分考虑微博显性情感特征,将这些显性情感特性进行频繁挖掘,获取的情感特征项可以更好地保留原始微博的情感特征。2)提出了基于频繁项集语义隐性情感特征的聚类方法,充分考虑微博中语义这个隐性情感特征,首先基于显性情感特征定义微博频繁特征词集,利用最大频繁项集获得初始情感簇;针对初始簇间存在文本重叠情况,提出基于短文本扩展语义隶属度的簇间重叠消减算法,获得完全分离的初始簇;根据簇语义相似度矩阵,给出凝聚式情感聚类方法。最后,通过NLP&CC2013评测提供的训练语料数据验证文本方法的有效性。3)开发了微博情感分析与监控系统,并在“马航”事件真实微博数据集进行分析,验证了本文方法的微博情感分析与监控能力,同时还将情感分析结果进行了可视化展示。