随着web2.0时代的到来,互联网在模式上由单纯的“读”向“写”以及“共同建设”发展,用户由被动地接收互联网信息向主动创造互联网信息发展。Web2.0模式下的互联网为用户提供了大量开放的信息交流平台,通过BBS、博客、微博等平台用户能够可以不受时间和地域的限制分享各种观点,既可以得到自己需要的信息也可以发布自己的观点。其中微博作为最新的信息交流平台,自诞生以来就迅速为人们所接收和认可。由于微博的轻便、快捷等特点,大量的用户在微博上发表自己对于某些热点话题或者产品的观点意见,而这些观点意见往往带有鲜明的情感色彩。对这些海量情感信息进行挖掘具有重大的意义,因此对于微博信息的情感分析工作尤为迫切和重要。本文首先对前人的情感分析研究工作进行分析和总结,并根据NLP&CC会议提供的开源新浪微博数据,对中文微博信息的结构特点进行了观察分析,在此基础上,提出目前已有工作研究思路的缺陷和不足。针对已有工作普遍将情感分析看作主客观分类及情感倾向性分类两个独立任务的做法,本文在句子级别情感分析过程中引入了情感极性上下文信息和两个任务间的依赖信息,构建了具有Two-Level结构的动态条件随机场(DCRF)模型。实验结果表明,通过引入这两类信息,本文提出的方法较现有最好方法的精度提高了4%左右。最后本文进一步对两种信息的贡献度进行了对比分析,并发现精度的提高主要来源于两个任务间的依赖信息的引入。