随着互联网的快速发展,网络上的信息呈爆炸式增长,其中主观性文本占有的比例大大增加。如何从这些主观性文本中分析挖掘出作者的观点是一个迫切需要解决的问题。情感分类就是解决这个问题的一种自然语言处理技术,它对文本的主观性信息进行分析,从而得出观点持有者的情感倾向性。本文主要研究句子级别情感分类问题。在详细分析了句子情感分类问题的重要性和难点的基础上,本文提出了一种基于树核函数的句子级别情感分类方法。该方法使用基于SVM(Support Vector Machine)的卷积树核函数自动获取句法结构信息,分别将句法树和依存树作为特征,和其它平面特征相结合,对句子进行情感分类。首先,本文探索基于句法树的结构化特征在句子级别情感分类中的应用,提出了一种在SVM分类器中使用树核和复合核函数来进行句子级别情感分类的方法。实验结果表明在情感分类中树核和复合核的方法比线性核具有更佳的性能。其次,本文提出了基于形容词和基于情感词的句法树裁剪策略。对于前者,提出了一种动态窗口算法来优化一个句子含有多个形容词的情况;对于后者,研究了添加领域相关的情感词对分类性能的影响。实验显示基于情感词的裁剪方法要好于前者。另外,实验证明在隐性情感的分类中本方法也比基于平面特征的方法好。最后,本文研究了基于依存关系理论的依存树裁剪策略,把它和树核函数相结合,提出了基于依存树的句子情感分类方法。实验结果显示本文提出的依存树裁剪策略是有效的。