社交网络在现如今已经变得非常普遍和发达,文字仍是人们最常用最习惯的表达方式之一,微博作为活跃的用户平台,包含了人们丰富的关于事物、事件的观点和情感信息,对于情感检测领域的研究具有重要的应用价值。传统的情感计算多使用较为简单的情感类别,最常用的是把文本中出现的情感分为正、负、中三种类别。然而,这种简单的情感分类系统不足以概括文本中丰富的情感,本文以此为出发点,研究中文微博的多类情感识别。本文结合微博语料的特点,提出了一种Flat-OCC模型归纳出14个情感类别,相比简单的情感类别,本文提出的14类情感种类基本涵盖了微博中出现的情感,同时保证了每种情感都具有一定数量的实验语料。本文的工作主要包括:1.给定了每种情感定义的内涵和外延,并进一步明确了每种情感判定规则中的诸要素,使得每种情感更容易使用形式化的语言描述。2.提出了基于Flat-OCC模型的多类情感识别模型,具体来说,主要由三个模块组成:预处理模块,使用自然语言处理基础工具,对微博语料进行分词,和内容过滤;语料标注模块,实现对多种情感类别的语料进行标注,同时通过一种可视化方法检测标注效果,保证可以随时调整标注的策略,随着标注的增加得到了一定规模的多情感标注语料库;情感识别模块,该模块使用两种方法分别进行情感识别,首先使用启发式规则识别语料中包含的情感类型,同时迭代更新后续使用的关键词标签词组,然后使用关键词序列标签法再次识别情感类型,同时,关键词序列标签作为一种精细化情感判别规则,可作为对Flat-OCC模型的进一步补充,提高判定不同类别情感的准确性,进而提高了多类情感语料的标注质量。3.通过实验验证分析对比了启发式规则和关键词序列标签用于多类情感识别的效果及各自的优劣和适用环境。