近年来,在移动互联的推动下,社交网络的用户群体不断扩大。与此同时,不同用户群体之间差异性日益明显。新浪微博作为国内最具代表性的大型社交平台,每天都有大量用户通过微博发表自己对各种事物的意见或看法。正因如此,本文选取新浪微博用户的博文作为本文研究对象,希望通过有效的手段,在用户发表的观点中找出背后隐藏的有价值的信息并划分用户情感倾向;这不仅有利于企业“对症下药”,实现精准营销,更有利于政府在宏观上了解群众看法,为各项政策的制定与实施提供依据。2015年10月,我国全面实施二孩政策。关于我国人民对“二胎”的看法以及情感倾向,大多数学者都是从社会学以及人口学的角度进行研究。本文将在相关理论的基础上,使用文本挖掘算法来深入剖析此问题。学位论文首先利用网络抓取方式收集新浪微博中5303条以“二胎”为关键词的博文,并对数据实现文本去噪、中文分词、词频统计、文本表示等预处理工作;然后运用k均值和k中心点分别对用户观点进行聚类分析,将用户观点分为积极、中立和消极三类,分别占13.1%、76.6%和10.3%;接着以聚类结果作为类别特征,分别建立决策树和k最邻近分类器;最后,比较实验结果发现:决策树模型的微查准率和微查全率均为73.4%,k近邻模型的微查准率和微查全率均为59.3%;决策树拟合能力更强,可以有效实现微博短文本分类。