情感分析用来研究人们对周围事物、事件的观点和看法。微博作为一种交流工具,引起了国内外专家学者的高度重视,对微博数据的情感分析是一件非常重要而有意义的事情。传统的情感分析一般基于情感词典,但这种方法一方面忽视了非情感词语对情感分析结果产生的影响;另一方面传统的语义模型无法存储词语的语义信息,因此也无法对情感分析进行准确分类。论文针对上述问题,提出了一种新的情感分析方法,即基于词向量与词性的情感分析算法SA2-WV&POS。论文主要工作如下:(1)在实验预处理阶段,针对使用情感词典进行情感分析时无法准确分类的问题,论文首先用词性过滤方法对实验数据集进行预处理,算法在充分考虑情感词的基础上,考虑了非情感词语对情感分析产生的影响。(2)在特征提取阶段,论文针对传统语言模型无法存储词语语义信息的问题,利用Word2Vec将词语映射到向量空间,转换成词向量。SA2-WV&POS算法将TF-IDF特征提取方法与词向量相结合,既充分地考虑了词语的语义信息,又可以控制词向量的维度。SA2-WV&POS算法充分考虑了词语词性及语义信息对情感分析结果的影响,将TF-IDF特征提取与词向量相结合,生成特征词向量。经实验验证,该算法明显地提高了实验的准确率、F值等评价标准,取得了较好的情感分类结果。