随着互联网应用的快速发展,人们开始大量使用各种即时媒体技术实现快捷的信息交互。以微博为代表的社交媒体吸引着数以万计的用户,人们可随时随地通过微博表达自己真实的想法和理念。通过挖掘微博文本中的立场、观点、看法、情绪、好恶等主观信息,对文本进行情感倾向的判断,对消费者、企业和政府部门的判断具有极大实用价值。本文主要研究:如何根据微博文本中的上下短文,判别出整篇微博的情感倾向性。重点研究其中的分类算法,提出新的解决模型,并通过仿真系统验证算法的有效性。其主要研究内容及成果为:首先,构建了基于标点的特征识别模型,根据特殊句式进行判断,提出不同的识别标准,在句子层次有效识别微博情感倾向。其次,为增强上下文之间的相关性,增加了句子维度,构造了三维长短期记忆模型,降低短期记忆对模型准确率的影响,增加特征提取的准确率,降低初始权重分配对准确率的影响。再次,在三维长短期记忆模型的基础上构造高维模型,在词与词相关性增加的基础上,增加了短语与短语、句与句之间的联系。减少特殊句式对情感倾向性判断准确性的影响最后,构建了一个多层多维主题情感分析模型,根据微博的组成元素(词语、义群、句子、主题),将微博进行层次划分,层层分析。引入了微博主题标签,增加主题限制,根据不同层次中元素构成,选择合适的子模型,充分发挥各个子模型的优势,增加模型的准确率,提高模型的可移植性。根据以上研究设计实验,结果表明该模型具有较好的综合性能,能够有效提升中文微博情感倾向的准确性,同时减少训练数据量,降低匹配计算的复杂度。