随着我国网民数量的不断增加,互联网普及率的不断提高,各大互联网平台和移动互联网终端的技术逐步成熟,导致互联网用户的大量增长。那么针对互联网文本数据进行分析与挖掘,提取作者的情感倾向,从中发现用户隐藏的信息并加以引导与利用,在市场情报、舆情预测等诸多领域都具有很强的现实意义。本文在一些学者研究的基础上,提出了一种基于LDA2vec主题模型的集成学习分类器用于情感分析。本文主要进行了以下两个部分的工作:第一,由于传统LDA主题模型基于词袋模型,对文本中词序等重要的语义信息有所忽略。所以本文尝试两种方法解决这个问题:第一种方法是使用LDA2vec主题模型进行信息提取;第二种方法是提出一种基于n-gram算法的LDA主题模型。本文通过实验验证了两种模型在情感分析领域的有效性,可以提高情感分类的准确性。并对模型结果进行对比,得出LDA2vec主题模型在情感分析领域效果相对最好的结论。第二,提出一种基于LDA2vec主题模型的集成学习分类器。在使用LDA2vec主题模型进行情感分析的基础上,将多个基学习器的预测结果进行组合,完成分类任务。首先通过LDA2vec主题模型所计算提取语料库中的“文档-主题”分布,然后根据其概率划分训练数据子集进行基学习器的拟合,采用多数投票法汇总基学习器的预测结果,得到最终分类器的分类结果,完成情感分类任务。通过模型对比试验,证明了基于LDA2vec主题模型得集成学习分类器的效果,在情感分析领域,可以有效的分辨出作者的情感,且结果具有一定可用性。