随着社交媒体特别是微博的飞速发展,越来越多的民众开始习惯于在互联网上发表自己对于热点时事的观点。如何充分利用这些海量的关于热点事件的数据,对热点事件及其中的民众舆论进行深入的分析,成为了一个非常有意义的课题。本文就针对这一课题做了深入的研究。对热点事件的微博数据进行情绪分类,已经成为研究人员分析热点事件及民众舆论的一个重要手段。本文的研究正是围绕着微博情绪分类展开的,本文分别从提升微博情绪分类效果,以及微博事件情绪的原因分析两个方面开展了深入的研究工作。关于提升微博情绪分类效果,本文就两个角度提出了改进的方案,并进行了相关实验验证。它们分别是:微博情绪分类中存在的将立场类微博与情绪微博混淆的不足问题,以及在对微博进行情绪分类时未考虑用户历史信息的可改进问题。关于第一个不足问题,本文采取在情绪分类之后添加立场类与情绪类微博再分类算法的方式进行改进,而对于后者,本文通过将用户历史微博信息加入到现有的情绪分类算法中,通过实验比对验证了加入用户信息的可行性。关于微博事件情绪的原因分析,本文也分别从情绪分布与情绪拐点两个方面进行了研究与分析。本文首先定义原因分析,实质为提取微博事件中与情绪最为相关的原因子事件的过程。由于提取子事件的过程需要在事件中进行子事件聚类,而在若干子事件中提取最为相关的原因子事件则需要进行文档排序。所以本文分别进行了子事件聚类、原因子事件排序两个部分的研究与实验,均获得不错的效果。