随着互联网的快速发展,微博自2006年以来已经成为社交网络的主要应用之一。用户可以通过各种终端设备,手机或者平板电脑在微博上发布消息。近年来,从微博数据中挖掘出有价值的信息引起了很多研究者的关注,同时基于微博的情感分析已经有了很多研究,但是目前绝大多数的研究都只是基于文本,结合微博图像进行情感分类的工作较少,而图像所能传达的情感信息要比文本丰富,也更加重要。只考虑基于图像的情感分析,我们就会忽略上下文和背景信息;只考虑基于文本的情感分析,可能导致分类结果不好。本文针对微博的文本与图像数据,提出基于文本和图像特征的情感分类方法。主要的工作如下:第一,基于多视图学习技术SVM-2K,识别出图像和文本的相关性,然后基于学到的图像和文本的相关性进行多视图分类,以便有效的利用图像来减少语义表达的多样性,从而提高了微博情感分类的分类精度。通过新浪微博数据上的相关实验验证了我们提出的基于文本特征与图像特征的多视图学习方法的有效性。第二,从特征融合的层面提出了基于潜在语义分析(LSA)的特征融合方法,该方法将文本特征和图像特征做了并行融合,通过潜在语义分析得到文本和图像的语义特征。将语义特征作为训练语料学习出分类器用于微博的情感分类。实验验证了该方法有效的提高的情感分类的效果。第三,针对微博字数少、模式多等特点,我们提出了一种基于相似度的近邻情感分类器。它将文本和图像分别映射成平面里的两个坐标,利用坐标距离确定每条微博的情感类别。在实验中验证了所提出的分类器提高了微博情感分类精度,并且比现有的方法(朴素贝叶斯和支持向量机)分类效果好。