社交网站为公众提供一个多元开放的舆论环境,其中的用户可以充分表达自己的观点意见。针对文本内容的情感分析在社交网络日渐复杂化,社交网络信息海量化的趋势之下更显得尤为重要。由于中文文本本身存在的语义多歧义性,语义环境强关联性等特征,采用传统的英文文本分析方法难以适应中文文本的复杂和多变,需要根据中文短文本的特点进行针对性的分析研究。论文首先借助语义词典及扩展的短语模式规则,通过对社交网络中的短文本信息采用短语匹配模式及情感词汇统计方法计算得到短文本的情感极性值,从而实现对互联网用户创造的短文本进行较准确的语义情感分析。另一方面,社交网络中存在跨领域的海量文本,在缺少特定领域语义词典可用的情况下,通过对已有数据集的训练,实现特征词的提取,利用主成分分析法将单句特征向量降维,利用神经网络进行文本情感分类,实现对社交网络短文本(微博)的情感细粒度分析,从而更好地掌握社交网络用户创造的短文本中的情感信息。在短文本语义情感分析研究中,论文在已有词典及短语模式规则的基础上,通过对短文本句子结构的分析,改进算法使得文本情感分析的准确度得到提升。而对于跨领域的社交网络短文本情感分析,论文提出的基于机器学习的情感分析方法为短文本的细粒度情感分类提供新思路。