1、近幾年來，隨著網(wǎng)絡走進千家萬戶，越來越多的人從之前的單純從互聯(lián)網(wǎng)中獲取信息，漸漸地轉化為利用網(wǎng)絡發(fā)布與共享信息。這個過程中，微博，作為當今社交網(wǎng)絡平臺的主力軍之一，在人們日常生活中起到的作用不可小覷。微博在吸引大量活躍用戶的同時，微博作為大數(shù)據(jù)的代表，也引起了不少學者的青睞。
　　新浪微博日均千萬的數(shù)據(jù)量中夾雜著網(wǎng)民對各種話題的各式各樣的情緒。如果合理地對這些數(shù)據(jù)進行情感分析與事件主題分析，那么在輿情分析、危機公關、互聯(lián)網(wǎng)營銷分析

2、和企業(yè)競爭情報挖掘等方面都大有裨益。
　　本文旨在對現(xiàn)有情感分類與話題抽取方法進行歸納總結，通過大量實驗分析，最終得出一套面向中文微博情緒分類與話題抽取的最優(yōu)算法。為此，本文從如下三個方面對此任務做了深入研究。
　　傳統(tǒng)的情感分類方法研究部分，本文借鑒與優(yōu)化了現(xiàn)有優(yōu)秀情感分類算法，對基于詞典規(guī)則的情緒分類、基于機器學習的情緒分類和啟發(fā)式情緒判斷規(guī)則的自動構建三方面工作進行了調研與實驗。根據(jù)相關實驗的分析，證明了該情緒分類算法

3、可以有效提升現(xiàn)有模型在中文微博情緒分類任務中的分類效果。
　　新興的情感分類技術的融合方法研究部分，針對當前算法存在的分類盲區(qū)，本文提出了與主題模型、主動學習方法之間的融合的情感分類方法和與詞匯向量化表示、神經(jīng)網(wǎng)絡模型融合的情感分類算法，最終通過均衡分類效果與分類效率，選擇性地將相關方法融入到了現(xiàn)有的情緒分類系統(tǒng)中。
　　微博事件情感分布的原因分析的研究部分，本文從真實實驗場景中存在的情緒分布不同的現(xiàn)象引入問題，針對性地提出