随着Web 2.0时代的到来,通过社交网络进行人际交流的交互性与即时性不断加强,各类社交媒体逐渐成为大众普遍交流观点、抒发情感的平台,同时积累了大量有关人类心理、情感、观点和行为的文本信息,可供科学研究之用。其中针对社交媒体文本的情感分析成为一个炙手可热的研究话题,情感分析是自然语言处理领域中的一项重要任务,目前已被广泛应用于各种领域:经济、政治、社会学以及心理学等。考虑到监督类情感分析方法在训练阶段需要大量带标注的数据,并且有监督分类器难以分析和扩展,本文选择基于情感极性值词典的无监督类方法,特别采用了一种以结构化的方式从社交媒体信息中提取和使用语言学特征来完善情感分值计算过程。首先我们手动创建了5个辅助词典,包括标准英文单词词典、增强修饰词词典、减弱修饰词词典、否定词词典和网络俚语词典,然后设计了一个具有情感感知的预处理器,包括分词、标准化和词性标注,接着以结构化的方式从社交媒体信息中提取词语级别、短语级别和句子级别的语言学特征:最后借助情感极性值词典计算情感分值。这里预处理、特征提取和情感分值计算是三个独立部分,便于对其分别进行修正、完善以及扩展。文本在五个常用tweet数据库上进行测评,通过对比试验可以看出我们的系统比现有高水平的基于词典的情感分析方法准确率都要高。