随着计算机的普及和互联网技术的成熟,社交网络迎来了前所未有的井喷式发展。公众通过包括微博在内的多种社交媒体发表意见、分享故事、宣泄情绪,社交网络已经成为人们社会生活中不可或缺的一部分,面向社交网络的情感分析和群体情绪分析也逐渐成为自然语言处理领域的研究热点。社交网络所产生的大量信息非常有价值,它们真实反映了公众对于某件事物的态度和立场,对这些信息的有效获取与充分利用有助于了解舆论舆情、掌握民情民意。本文旨在探索情感分类方法的基础上,通过微博数据研究分析群体情绪。主要工作如下:1、深入剖析了情感分类的基础模型和经典模型,发现这些模型往往忽略了用户个性特点和文本内容特点,本文将分析并提取出微博文本的用户特征和内容特征来进行情感分类。鉴于现有语料库都未包含用户信息,本文利用网络爬虫工具创建了包含834,486个用户的4,198,534条微博的微博语料库。2、在上述语料资源随机抽取部分语料进行标记,建立了训练集和测试集。将提取出的基于用户和基于内容两大类特征加入到基础LSTM模型中,提出基于LSTM的多特征的情感分类模型(LSTM-MF)。该模型在实验中的F1值可达到90.08%,充分证明了其在中文文本分类方面的卓越性能。3、基于LSTM-MF情感分类模型,本文从事件和时间两个维度进行群体情绪分析。按照上述两个维度把数据库中的事件分为持续性事件、可预期事件、突发事件和瞬时事件四类。针对各类事件中的典型事件进行详细分析,根据典型事件的特点推导出相应类别事件周期性的演变规律。最后初步开展了群体情绪漂移的探索工作。