自温州动车事故后登上公众生活舞台以来,微博渐渐成为了百姓生活中不可或缺的社交媒介。通过对用户微博的情感进行分析,可以充分挖掘在产品评价、社会舆论等诸多方面的用户信息,在商业产品的改进维护、保持社会稳定等方面发挥重要作用。在当前中文微博情感分析领域,研究者倾向于对微博的情感极性进行定性划分,其中主要应用两种方法:其一是基于情感知识,包括情感词典、语义规则等;其二是基于特征分类,包括机器学习等。不管是哪一种方法,尽可能多的考虑影响微博情感的因素都是提高算法准确率的关键。本文从提高情感分析准确率的目的出发,较为全面地选取影响微博情感的因素。首先在考虑微博中情感词语情感值的基础上,加入了微博表情这一重要元素,将表情情感值与文本情感值加权参与微博情感计算,使得对包含表情的微博情感判定结果有了一定程度的提高;其次,在语义规则部分,基本涵盖了汉语中最常用的几种句型规则和句间关系规则,如感叹句、反问句、转折关系、递进关系等,并通过实验的方式对两种规则下的参数给出最佳数值,使得算法对复杂语句的情感分析更加准确。另外,通过词语相似度计算,将微博中不包含情感词的非情感句情感纳入考虑范围,并最终对每条微博的情感给出定量数值。在正确率、召回率、F值的基础上,提出合格率这一指标对微博情感判别方法得到的定量数值准确性进行评价。最后,使用Java作为主要开发语言对测试集的1万条数据进行测试,验证了算法的有效性。