微博作为非常流行的在线社会媒体，近年来发展迅速。人们可以通过微博发布博文、对他人的博文作出评论，从中可以对人物、事件等发表个人看法、交流彼此意见、给出正负评价。如何从这些博文或评论文本中快速区分出正面或负面情感信息，用来反映民众对真实公众人物或现实社会事件的观点或立场，是本文研究的出发点。而文本情感分类的目的正在于利用计算机代替人力完成情感文本的分类工作，是当前研究的一个热点，能够较好地达到上述目的。基于此，本文先后研究了微博文本情感分类的两种方法，并将情感分类方法应用于一个具体实例，通过分析微博文本的情感极性，用来反映公众人物的受欢迎程度。本课题组前期有针对性地采集了大量的微博文本数据，在此基础上，本文主要开展了如下研究：（1）针对微博文本的情感分类问题，研究了基于支持向量机的微博文本情感分类方法，主要包括情感词典的选择与扩充、文本情感特征选择、基于支持向量机的分类器训练与测试等内容；（2）针对所研究的基于支持向量机的文本情感分类方法不能较好地解决情感发散的问题，进一步研究了基于语义规则的文本情感分类方法，主要包括语义规则的归纳、情感模型的建立、情感极性值计算等；（3）针对微博文本中体现的情感类别可以反映出公众人物的受欢迎程度的问题，针对一个具体实例，研究验证了基于微博文本情感分类的预测问题。本文研究的两种微博文本情感分类方法，分类精度较好，分别达到73.83%和77.17%。将基于语义规则的分类方法应用到实例中对微博文本进行情感分类，而后进行分析预测，预测精度可观。