随着互联网的飞速发展,新兴的社交网络平台微博逐渐渗透到人们社会生活的方方面面。微博文本信息通常包含发布人强烈的主观态度和个人情感倾向,且在短时间内可以汇聚大量的微博文本信息,有效的中文微博情感分析具有巨大的商业价值和社会价值。本文将在深度剖析中文微博语言风格的基础上,对基于DNN及向量空间模型的中文微博情感分析作深入研究。主要的研究内容如下:对微博抽象情感特征自动抽取技术进行了深入研究。本文在传统的文本表示模型基础上,采用DNN算法对抽象情感特征进行自动抽取。结合微博文本短小精简的特点,本文采用SAE对DNN进行构造。在向量空间的构建过程中,为了更加充分有效的表示微博文本的情感信息,本文引入情感因子和结构因子对信息增益特征选择方法进行改进,且引入特征词的位置信息对TF-IDF权重计算方法进行改进。对微博情感分类进行了深入研究。在中文微博情感分类的过程中,微博文本与具体情感类别之间的关系可以有效的提升文本所属情感类别的预估。本文采用概念模型对微博情感类别进行表示,提出了基于概念模型的空间拓展算法(ESA),有效的解决了传统的文本表示模型不能有效的存储微博文本与具体情感类别关系的问题。针对概念模型的选取问题,本文提出根据空间情感密度及互斥力的概念模型选择方法。实验结果表明,本文提出基于DNN的微博抽象情感特征自动抽取的相关算法是有效的。用抽象情感特征向量对微博文本进行表示,可以有效的提升微博情感类别的预估效果。评测指标准确率、召回率和F值都有了一定程度上的提升。实验结果表明,本文提出的基于概念模型的空间拓展算法对微博文本的情感类别的识别是有效的。