随着互联网的快速发展,网络上汇集了包括网络新闻在内的大量的信息。网络新闻已成为当今社会重要的信息载体和人们获取信息的重要渠道。由于网络新闻内容丰富多样,情感倾向也各不相同,对网络新闻文本内容的自动情感分析成为近年来文本处理领域的一个研究热点。目前,大部分情感分析素材来自评论。评论的情感倾向比较明显,而且大多是短文本。相对于评论文本,新闻文本是对某一事件的描述,主观性比较弱,而且大多是长文本。针对上述特点,本文对新闻进行了情感分析研究,主要工作如下:基于JST模型进行了新闻文本的情感分析,验证了JST模型在新闻文本上的可用性。JST模型是无监督的,无需标注训练样本,不存在领域转移问题。对JST模型加入先验知识——褒贬义词典,可以进一步提高分类准确率。新闻标题是对新闻内容的概括,有时也具有一定的情感倾向,因而本文将新闻标题极性分析加入到新闻情感分析中。首先对新闻标题进行极性分类,然后将标题极性结合JST模型进行新闻情感分类。本文采用两种新闻标题极性判断算法:基于情感词典和基于知网语义相似度。新闻一般是长文本,其中存在大量与情感主题无关的句子,会影响分类准确率。本文给出一种情感主题句抽取方法,首先,给出适用于新闻的主观线索,对文档中每个句子进行主观句评分;其次,使用主题句识别方法,对文档中每个句子进行主题句评分;最后,综合句子的主观句与主题句评分,抽取得分最高的前k个句子,作为此文本的情感主题句。将情感主题句代替新闻全文进行分析。实验验证,本文提出的方法是有效的。