随着网络信息通信的迅速发展,微博、微信等社交网络上短文本形式的使用量激增。特别是在数据爆炸的时代背景下,社交网络已然是网络短文本形成和流传的最大聚集地。在自然语言处理研究领域中,由于不能准确识别这些互联网新词导致对于这类文本的分析理解困难,尤其是文本中的网络新词识别及其语义情感理解方面。缺乏新词的解读能力意味着无法理解用户表达内容,也无法进行正确的舆论引导,因此对于网络新词的识别、语义理解和情感分析研究意义重大。本文主要研究内容是社交网络中的产生的新新词汇识别及其情感极性分析。在短文本的情感识别研究中,词语的情感倾向分析是判别短文本整体情感的关键。新词以其通俗精简又有趣的表达能力而被互联网用户广泛使用,然而在传统的语料库中没有这些网络新词,因此传统的情感分析方法对这类文本处理困难。处理情感分析的基础是文本分词准确且单词情感倾向识别无误,微博这类社交网络短文本中的网络新词又是影响分词准确度和理解准确度的主要原因。为了克服传统方法无法识别网络新词的缺点,提出了一种融合网络实体链接和显性语义分析方法的网络新词识别方法。该方法以短语的粗粒度对原文进行分词,目的是尽可能保留原文的逻辑防止误读,分词后利用已有语料库进行语义分析,将未登录词以ESA方法清洗梳理数据最终得到新词的识别结果。在此研究基础上提出一种融合词向量和情感点互信息的词语情感倾向识别方法,该方法主要攻克了网络新词和表情符号的情感倾向识别难点。经实验结果表明,本文方法仅需要少量的语料库作为底层知识支撑,大幅降低了人工规则制订的成本,并提高了网络新词识别正确率与词语情感理解准确率。