微博具有操作简单,获取信息多样和信息实时发布等优点,已成为用户发布和获取信息的主流网络社交平台。微博每天产生的热点话题体现着用户对事件的关注度和情感,而用户的情感一定程度上推动着事件的发展,因此对微博热点话题进行情感分析研究具有现实意义和应用价值,本文主要工作内容如下:（1）论文首先总结并列举了基于情感词典的微博热点话题情感分析中所需的重要原理,其次介绍了情感词典构建、文本向量化和聚类算法等方法的实现算法,最后简单描述了各算法的优点与不足。（2）针对基于情感词典的情感分析算法判断文本极性时,只考虑情感词而忽略文本语义的问题,对该算法进行改进。本文考虑到修饰词对文本情感的影响,在基于情感词典的基础上引入了依存句法分析中语义规则的概念,从情感词典和语义规则两个方面对文本进行分析,从而完成热点话题的情感极性分析。（3）设计并实现了一个基于Hadoop平台的微博热点话题情感分析系统,利用Hadoop分布式平台强大的并行计算能力和分布式存储能力对话题进行情感分析。首先通过API端口进行数据采集并存储;然后对数据进行去噪等处理;再对微博文本进行文本表示,并实现聚类算法的并行化进行热点话题发现;之后构建微博领域的情感词典和修饰词词典,构造语义规则库,利用两种词典进行提取文本的情感特征;再次,设计微博文本情感计算方法,通过改进的情感词典算法对文本进行情感分析;最后根据话题内所有文本的情感特征判断热点话题的情感倾向和情感值。综上,本文通过对当前微博数据集做了实验并分析,结果证明,本文采用的并行聚类算法可以为话题情感分析提供有效的文本数据;经过实验结果对比,本文改进的情感词典情感分析算法在查准率、召回率以及综合评价指标（F值）上都有不同程度的提高,能更准确的判断出文本倾向,进而判断出话题情感极性和情感值。