随着互联网技术的飞速发展,越来越多的用户拥有平等的获取互联网信息的机会。但是网上信息量庞大,如何快速识别其中表达的对人物、事件、产品等的情感信息,获取想要的有用信息,已成为当前自然语言处理和情感分析领域的一个热门研究课题,并广泛应用于事件分析、产品评论、电影评论、酒店评论和舆情分析等领域。文本情感分析主要是判别文本表达的情感倾向,情感词是判断文本情感倾向的主要依据。对文本情感分析研究来说,设计高效的情感词典构建算法是一个基础且重要的工作。情感词典是情感词的集合,情感词典的构建分为两步：收集词语和标注词语的情感信息。目前使用的情感词典构建方法主要有基于语义词典的方法和基于语料的方法。这些方法大多是判断给定的词语集合或词典中词语的情感倾向,这样导致了词语数量有限,不能主动识别语料中的情感词并进行情感分析。为此,本文提出了根据句法分析从语料中提取情感词,并基于少量的情感词和分类技术对情感词进行分类的方法构建中文情感词典。首先,通过句法分析器提取文本中特定依存关系中的词语作为情感候选词；然后计算候选词与少量特征词的相似度；最后运用机器学习的方法对词语进行分类得到词语的情感类别,并对结果进行处理。本文的另一个工作是将情感词典运用到文本倾向分析中,将特征提取方法提取特征词和情感词典相结合来表示文本。首先,选择性能较好的特征提取方法提取特征,通过实验选择了CHI方法；然后添加情感词到特征集合中来表示文本；最后进行分类。实验结果显示：该方法获得的最好准确率为81.63%,平均准确率为76.95%,比仅使用CHI方法得到的分类效果好。