随着互联网的兴起,带动了以微博为主的社交网络平台的快速发展,微博评论文本呈指数型增长,从海量评论文本中挖掘的情感信息在商业策划与社会应用中的价值越来越大,与此同时,依托计算机的无监督微博情感分析技术应运而生。与传统文本情感分析不同的是,微博评论文本在情感表达上有其独特之处,微博评论有一定的字数限制,短文本评论居多且数量规模大,易出现文本语法不规范、频现网络新词等现象。故本文针对微博文本以上特点开展研究,构建一个面向微博文本的领域情感词典,提出一种基于BTM主题模型的无监督微博情感分类模型(W-BSTM)。本文所构建的微博文本领域情感词典包含基础情感词典、网络用语情感词典、表情符号情感词典和领域扩建情感词典四部分。在现有情感词典基础上构建了一个二分类基础情感词典;通过观察与整理构建了针对文本中网络词语和表情符号的情感词典;使用基于HowNet语义计算方法建立微博领域的扩展词典,收集那些在传统文本中无情感倾向在微博文本表述中含情感倾向的词。W-BSTM模型是在BTM模型的基础上增加情感层,融合权重模型,形成无监督的“主题-情感-词汇”三层贝叶斯主题情感混合模型,在保留BTM模型原有优越性的同时,综合考虑每个特征词在情感分类中的重要程度,提取文本情感信息,并通过实验将该模型与其他主题情感分类模型对比,证明了该模型在短文本情感分类上有着较好的效果。最后使用微博爬虫技术获取新浪微博评论文本,将本文构建的情感词典和W-BSTM模型实际运用于微博评论情感分析中,验证本文所提出的基于主题情感混合模型的无监督微博情感分类方法的有效性与可行性。