近年来,互联网飞速发展,社交网站已经成为人们表达观点的主要平台。微博作为其中热门的网站之一,每天都会产生大量的用户行为数据,这些数据对很多领域都具有研究价值。情感倾向分析是当下热门的研究领域之一,它使用统计学和机器学习方法对用户行为数据进行分析和挖掘,并通过分析结果预测用户的情感态度。本文主要研究和实现了针对微博文本的情感分析系统,具体内容包括以下六个方面:第一,研究了常用的情感分析算法,包括支持向量机算法、朴素贝叶斯算法、Adaboost算法以及神经网络算法。研究了四种算法的原理以并对四种算法进行了分析比较。第二,研究了微博平台页面布局,设计了分布式微博爬虫系统。本系统主要爬取微博热门话题数据,包括微博正文和微博评论。第三,设计了数据预处理系统,并定义了数据预处理的三种规则,包括表情数据转化规则、数据去重规则以及无效数据清洗规则。第四,分析了微博文本数据特点,并针对其特点选择文本特征提取方法。本文主要使用卡方检验方法和TF-IDF方法对微博文本提取和表示特征。第五,使用上述分类算法中的前三种构建微博文本分类器,将微博文本分成正向、负向和中性三类,同时对三种算法分类结果进行了比较和分析。第六,设计并实现了一个展示系统,获取话题数据并通过WEB进行展示。最后,本文基于微博话题数据,对情感分析系统进行了测试,结果表明系统在微博情感预测中表现出较好的效果。