1、微博作為一種新興的社交媒體被廣泛使用，其每天的數(shù)據(jù)交流數(shù)量呈現(xiàn)爆炸式的增長，這些數(shù)據(jù)為自然語言處理提供了良好的語料環(huán)境。微博文本具有和短文本一樣的長度較短、情感表達強烈、話題單一的特點，這就需要通過不同于長文本情感分析的方法來處理。本文通過對短文本情感分析進行改進，將上下文的觀點信息加入到情感計算中，同時建立微博表情符號情感詞典，最終得到情感傾向性結(jié)果。
　　本文首先對微博評論文本的處理技術(shù)進行研究和探討，然后融合微博表情符號情感

2、詞典自動構(gòu)建方法構(gòu)建微博情感詞典，同時抽取出微博評論的上下文觀點信息，最后對這些信息進行整合處理，得到情感傾向性分析結(jié)果。本文所做的工作主要包含以下三個方面的內(nèi)容：
　　(1)提出了基于微博表情符號的情感詞典自動構(gòu)建方法，并應(yīng)用于微博評論情感分析
　　微博評論文本通常具有主觀情感，并且領(lǐng)域廣泛，因此在進行情感傾向性分析之前我們要正確分析出微博評論的情感信息。情感詞典的完善程度決定了情感分析準(zhǔn)確率的高低，在考慮微博表情符號對微

3、博文本情感傾向的影響以及情感詞典構(gòu)建的基礎(chǔ)上，提出一種融合表情符號的情感詞典自動構(gòu)建方法。
　　該方法首先利用COAE2015任務(wù)一中提供的訓(xùn)練數(shù)據(jù)集對其進行分詞、去重等操作，然后獲得情感詞并得到其在正負(fù)向語料中的出現(xiàn)次數(shù)，最后再利用PMI計算其情感傾向性大小，最終生成情感詞典。
　　(2)研究上下文觀點信息對情感傾向性的影響，提出一種基于上下文觀點信息的情感傾向分析方法
　　在進行情感傾向性分析之前，首先要對文本當(dāng)中

4、的上下文觀點進行界定。由于用戶在發(fā)表評論時或多或少的會受到原始文本以及其前面評論的影響，本文提出了基于上下文觀點信息的情感傾向性分析方法，并將其應(yīng)用到微博評論中的情感分析當(dāng)中。該方法首先對評論文本按照評論的先后次序進行編號，按照次序的大小對評論文本進行賦值權(quán)重，最后結(jié)合建立的情感詞典，獲得算法最終的情感傾向。
　　(3)設(shè)計并實現(xiàn)了基于上下文觀點信息的微博情感傾向性分析原型系統(tǒng)
　　在分析微博評論文本的情感傾向性過程中，針對