随着互联网的普及和迅猛发展,网络成为现代主要的信息载体,通过研究分析网络文本,尤其是新闻文本,可以清晰的把握当前的舆论与社会动向,挖掘大众的兴趣,对信息进行过滤等等。互联网已经进入用户生成内容的Web2.0时代,文本的主观性越来越强,随之而来的是文本情感倾向性研究的兴起。但现有的研究仍然存在着没有考虑文体特征和情感分布,篇章级的情感分类很难达到文本分类的精度的问题。本文在已有的研究基础上,对新闻文体进行了研究,提出了利用语句情感倾向性、关键词、语句位置和语句与标题的相似度四种特征抽取情感关键句,并使用情感关键句压缩特征空间的方法。具体工作为：第一,情感关键句的特征选取：新闻与其他的文本相比有其独特的特征,主题十分明确。本文用语句情感倾向性、关键词、语句位置和语句与标题的相似度四种特征用以刻画情感关键句,对这些特征从数学角度进行建模,并提出了相应抽取算法。第二,特征化后的篇章级情感分类：利用情感关键句可以从情感特征角度压缩特征空间,降低了特征维度。然后将多种机器学习的方法应用到文本样本集合上构建分类器,本课题利用提取出的特征使用BP神经网络模型和SVM模型进行情感倾向性分析,具有实用价值。