情感分析是热点挖掘、舆情分析、产品推荐的基础。Web2.0时代在以用户参与、主导、建设的基础上,形成了具有丰富情感信息的社交网络。考虑社交网络中文本短小、表情符混合的特点,传统的情感文本分析方法适用性较低。本文基于集对分析理论,结合信息熵,对社交网络中情感分析进行深入研究,主要内容如下。首先,将文本进行全切分,判断组合置信度与阈值的大小,确定是否有新词发现;通过正向、逆向相结合的双向最大匹配法,进行文本切分;根据描述字与字之间联系紧密程度的t检验解决歧义问题,在一定程度上保证分词的正确率。其次,将用于描述信息混乱程度的信息熵与集对分析相结合,提出集对信息熵SP-IE算法,进一步分析差异度系数,将用户个体的文本情感分为强积极、弱积极、不确定、弱消极、强消极五类。社交网络平台为用户提供了丰富的表情符系统,通过将抓取的表情符号转换为其携带的文字含义,再进行用户个体的情感文本、表情分析;并将SP-IE算法与HowNet算法从精确率、准确率、召回率以及F值四个指标进行对比,验证SP-IE算法的有效性。最后,基于传染病SIR模型,引入外来“免疫用户”,提出改进的SIRE模型;基于Python爬虫和SIRE模型,对情感分析进行预测,通过对比SIR模型与SIRE模型的拟合结果和预测结果,验证分析SIRE模型的有效性。