随着互联网的快速发展,越来越多的用户在互联网上发表自己的观点看法,这些信息通常都带有情感倾向性,比如支持或反对某一观点,如何对这些海量文本进行情感分析是目前的研究热点。本文首先采用向量空间模型的文本表示法对中文文本进行情感信息预处理,我们的研究发现可以仅通过提取副词和形容词作为关键词,此时的向量空间模型不仅分类效果好,而且与传统提取关键词方法相比,可以有效降低空间维度,空间维度降低了80%以上。然后本文将蚁群挖掘算法应用到RBF神经网络中,提出了一种改进的RBF神经网络算法AM-RBF神经网络算法,用来对向量空间模型表示的情感文本进行分类,与传统方法相比,本文提出的方法可以更高效地对高维数据进行分类。最后通过实际语料库的数值实验对改进算法的有效性进行了检验,结果表明本文提出的改进算法的分类效果对于所有语料都优于传统RBF神经网络以及朴素贝叶斯分类器；与支持向量机相比,只在某些语料上的分类准确率更高,原因是情感文本的内容表达方式与特定语料背景有关,不同背景情感内容的表达会对算法的结果产生影响。