微博因其评论的便捷性得到了广大民众的喜爱,成为国内最受欢迎的社交媒体平台之一。微博评论具有语义稀疏和高维性等特点,其中往往带有强烈的情感色彩,对微博评论的情感分析是获取用户观点态度的重要途径。目前,LDA主题模型成为微博评论分析领域的研究热点。本论文针对传统LDA在微博评论情感分析方面准确率欠佳的问题,利用特征提取与词共现技术,通过情感主题特征词加权,深入进行了面向微博评论的LDA短文本聚类算法研究,提高语义信息质量,优化微博评论的情感分析聚类效果。主要研究内容如下:第一,介绍LDA主题模型短文本聚类关键技术,主要内容包括LDA主题模型基本原理、特征提取技术、词共现模型。第二,针对传统LDA在主题情感分析和语义提取两方面能力欠佳问题,提出基于情感词共现和知识对特征提取的LDA短文本聚类算法。首先,定义基于情感词共现的词袋,充分考虑情感词在不同短文本间的共现情况,对微博短文本赋予情感极性;然后,分别设计主题特征词和主题关联词构建算法,通过提取主题特征词和主题关联词的知识对集,将其注入到LDA主题模型中进行一次聚类,进而发现更准确的语义信息;最后,对LDA主题模型一次聚类获得的Top30主题特征词集,采用K-means算法进行二次聚类,迭代地优化聚类中心。第三,针对微博评论的情感分析准确率不高的问题,提出基于情感主题特征词加权的微博评论聚类算法。首先,通过定义情感主题词袋提取出情感主题词;然后,利用语义相似度计算获得情感主题特征词,通过定义情感主题特征词重要度和分布度两个参数对其进行加权,提高表达能力强的情感主题特征词的权值;最后,通过LDA对加权的情感主题特征词进行聚类。实验结果表明,本文设计的基于情感词共现和知识对特征提取的LDA短文本聚类算法,表现出较好的语义分析能力和情感主题聚类效果。另外,本文提出的基于情感主题特征词加权的微博评论聚类算法,也表现出较好的情感分析聚类效果,提高微博评论情感分析的准确率。