近年来,由于国家在政策、资金等方面对新疆通信事业的大力支持,维吾尔文网站及通信平台蓬勃发展,由此产生了规模庞大的具有情感倾向的维吾尔文文本数据。面对海量数据,人工方式已然难以进行全面、有效的情感信息分析,因此运用计算机技术实现对维吾尔文文本的情感分析成为必然选择。文本情感分类是对带有情感色彩的文本按其情感倾向进行区分的一种处理方式,是文本情感分析中的一项核心任务。本文针对目前维吾尔文情感分类工作中存在的缺乏标注资源、特征建设研究薄弱、标注样本获取困难以及对既有手段的比较研究不足等问题开展了以下研究工作:针对目前维吾尔文情感标注资源缺乏的问题,本文以半自动化的方式构建了具有12000多条词汇的维吾尔文情感词典——UYSenti Dict。此外在已有的两个维吾尔文情感标注语料库—电影文字语料库与微博语料库的基础上,构建了维吾尔文评论情感标注语料库和文学情感标注语料库,其规模分别为9000和600条句子。由于目前在维吾尔文情感分类特征表示方面缺乏系统性的研究,本文以传统n-gram特征为基础,按不同规模分别从4个领域维吾尔文情感语料库中提取了几种基本特征及其组合特征,进而使用4种特征选择方法、5种特征权重方法以及两种分类器评价了不同特征在维吾尔文情感分类任务中的性能,从而提出了适用于维吾尔文情感分类的最优特征、最优特征选择和权重方法以及机器学习算法。针对获取标注样本困难的问题,本文改进了已有的情感词典分类方法并将其与机器学习分类器相结合。首先基于情感词典UYSenti Dict对待分类语料进行了高质量的情感分类,在情感词汇的匹配过程中,将对象从单词原型延伸到词干,并充分考虑了语言语法规则对句子情感的影响。继而从词典分类结果中选择置信度较高的伪标注数据集训练机器学习分类器,基于性能较好的几种特征对剩余语料进行分类。由于本文所提出的方法不受数据领域限制,也不需要提前标注的训练语料,因此能够有效解决维吾尔文情感分类中的资源紧缺问题。由于大规模维吾尔文文本情感分类研究尚处于初探阶段,不同分类方法的效率差异尚待求证。因此本文从维吾尔文版天山网中下载大规模生语料,在此基础上训练了维吾尔文词向量,以词向量作为特征,通过深度学习模型（CNN、LSTM、CNN+LSTM）对维吾尔文文本进行了情感分类。在此过程中,通过调整模型参数,确定了实现维吾尔文情感分类的最佳深度学习模型及其参数,并将深度学习模型最优结果与传统分类方法的结果进行对比。为得到适用的维吾尔文情感分类方法,本文首次较为全面系统地对现有各种维吾尔文情感分类技术进行了对比和评价。在此过程中充分考虑了技术通用性与维吾尔文语言的自身特点并减少了对标注语料的依赖。本文研究成果不但可以促进后续的大规模维吾尔文文本情感分类方法研究,也可为大规模的哈萨克语、柯尔克孜语等文本的情感分类方法研究提供借鉴。