随着社交网络的兴起以及微博自媒体时代的到来，互联网上每天能产生数以亿计的博文。海量的微博文数据蕴含了丰富的有关个人、社会、企业、政府多维度、多层次、多样化的信息。对博文进行内容分析，监控网络舆情，完成对博文中蕴含的情感倾向性的分析等，有重要的理论研究价值和应用价值。本文基于模拟用户登录方式采集海量微博数据，通过分词、词性标注、主题词提取等自然语言处理技术，结合情感词库和微博语料，通过构建向量空间模型，并动态调整情感影响因子的权重等参数，对微博数据进行情感分析。本文所做的工作如下：首先，基于模拟浏览器技术，结合HttpWatch8.5抓包分析技术，采集海量微博信息。第二，基于隐马尔可夫模型和N-Gram语言模型，设计实现了中文分词器SkyLightAnalyzer，主要功能包括分词、词性标注、词义消歧、未登录词识别等。第三，基于统计和规则相结的算法，在前述中文分词器的基础上，实现了针对博文的主题词提取与情感单元提取。第四，提出基于向量空间模型和动态调整情感影响因子的权重算法，设计并实现了基于博主个性化建模与内容分析的情感倾向性分析方法。实验与实用表明了本文提出的算法的有效性。文中也对存在的不足以及下一步的工作计划进行了说明。