微博问世不久就成为了网民的新宠，作为展示自我与真我的重要信息平台，微博在情感表达中的重要性也逐渐引起人们的关注。本文针对微博语料的情感自动标注及分类方法进行分析和研究，提出一种无人工干预的微博语料库自动标注方法，进而实现微博上文本情感的自动分类。本文将微博情感倾向性分为积极、消极和中立三类。通过微博API与网页解析相结合的方法，获取微博语料。构建微博语料情感分类系统的原模型，采用语料库自动标注的方法对训练语料情感极性进行标注，之后提取已标注训练语料的特征，用于待测的微博数据的分类，实现微博文本情感分类，最后对方法进行验证。其主要工作：一是通过对现有文献和微博数据特征的分析研究，确定研究粒度为整条微博，构建了微博语料情感分类系统的原模型，二是提出了利用表情符号(包括表情图片和字符表情)和情感词相结合的情感倾向自动标注方法，实现训练集的自动标注。这种方法具有较高的通用性，减少了人工标注方式产生的大量人力成本和时间消耗，降低了传统标注方式对领域、主题和时间等因素的依赖，提高了现有自动标注方法的准确度。三是研究训练集的特征提取方法，采用N-gram模型进行特征提取获取热词和特征。四是研究待测数据的分类方法，采用朴素贝叶斯分类器进行分类，同时为了进一步提高分类的准确性，本文还对朴素贝叶斯分类器进行了结合最大熵算法的优化，最后对方法进行实验分析，通过实验结果验证本文方法的有效性和可行性。本文提供的微博情感分类方法有助于及时了解大众对产品、热点、政策的反馈，为用户自身、企业及政府等提供有效地决策支持。虽然结果证实本方法实现分类结果较为让人满意，但研究中部分还存在一些问题，如表情库和情感知识库需要进一步完善，如何实现自动进化等，日后会进一步完善。