随着网络数据的爆炸式增长，大数据所展现出来的应用潜力也越来越明显。数据挖掘技术可以发现大数据中的一些特定模式，进而对人们的生产生活进行科学的指导，这其中就包括情感信息分析。情感是一种自然语言特有的高层语义抽象，所以分析文本的情感往往需要大量人力的参与。情感信息分析是一种自动获取文本情感信息的技术，既可以节省许多的人力物力，同时能在很多人机交互应用中融入情感，增加了其智能型。情感分析包括三个子任务：情感抽取、情感分类和情感检索。传统的情感分析研究在这三个子任务上有如下不足。第一点，情感抽取的模型或者没有考虑文本的语法结构信息，或者模型非常复杂，难以训练；第二点，情感分类试图尽可能多的利用一些启发式的文本特征，造成相关模型的适应性非常低；第三点，文本级的情感检索中没有考虑文本的静态质量，而后者是在传统信息检索中非常关键的一种排序因子。本课题所针对的语料库是用户评论，既网络购物后的用户文本反馈。相对于其他文体形式，用户评论有着发布者单一、主题单一的特点。本课题利用用户评论的特点，针对传统情感分析研究的问题，一一提出了解决方法。首先，在情感信息抽取中，本课题利用新模型简化了语法结构信息的融入；然后，把所有的启发式文本情感特征规约到情感对特征，完全基于情感对特征完成了情感分类；最后，基于用户威望机制，为情感检索融入了文本静态质量这一排序因子。本课题详细论述了新模型和算法的提出，并通过基准测试验证了其有效性。