随着互联网的快速发展与WEB2.0时代的到来,微博、微信等社交网络平台在人们生活中占有越来越重要的位置。互联网上的博文数量呈爆炸式增长、海量的博文信息中包含着用户的情感、观点,可为政府机构舆情分析、企业市场行为策略制定、消费者购买行为分析等方面提供决策数据支持。对微博文本进行情感分析,发掘其中潜藏的巨大价值具有重要的商业及社会意义。基于微博文本的情感分析的主要工作是判别微博文本的情感倾向性。本文首先构建了微博情感分析用情感词典,基础情感词典部分采用对现有的中文情感词典NTUSD和HowNet两者的综合,随后通过整理微博语料中的表情符号、新词与网络流行词语等使用一种PMI与word2vec综合的方法对情感词典进行了扩充,得到情感词典。然后从网络上获取微博文本语料数据与第六届中文倾向性分析评测(COAE2014)评测语料数据并对其进行分词、停用词处理等预处理,之后采用人工标注与现有已标注情感倾向语料文本结合的方式构建初始训练集。本文阐述了一种综合文本情感分类方法,该方法克服了基于情感词典的分类方法过度依赖情感词典,对于未登录词处理能力欠佳的问题,以及基于机器学习的分类方法构建特征向量时丢失文本中的程度副词、句型句式关系等情感分析相关要素的缺点。本文的分类方法在构建训练用特征向量空间的过程中将传统支持向量机分类方法中丢弃的信息予以保留,融入到特征向量之中,因其在分类阶段使用基于机器学习的算法,在一定程度上保留了对情感词典中未登录词的处理能力最后,通过微博文本语料对本文的分类方法进行了验证,结果表明较传统的情感分析方法表现出更高的准确率。