随着网络技术的发展,互联网信息互动的方式越来越多样化。在Web2.0时代的主流网络社交平台中,微博已经成为广大互联网用户最为喜爱的社交工具之一。在以速度和效率为标准的信息时代,微博不仅为人们提供了跨越时间和距离的即时通讯互动平台；同时,微博为人们提供了表现自我、表达情感和展现个性的动态展示平台。微博消息每时每刻都在不断更新,规模庞大的带有情感信息的微博文本,使得针对微博进行情感分析的研究成为可能。目前微博情感分析的研究主要针对英文微博文本,面向中文微博情感分析的研究尚处于起步阶段。本文的主要研究内容包括以下几点：(1)对话题型中文微博的语言特点进行了详细研究。针对其特点,分析了观点句识别和情感极性分类的相关特征,对微博语料情感要素抽取中的问题进行了分析。(2)构建了微博情感分析所需使用的情感词库,包括7类词典：情感词典、网络用语词典、腾讯微博表情符词典、主观性词语词典、语气词词典、程度副词词典以及否定词词典。提出了一种情感词典自动扩展方法。(3)采用规则与机器学习结合的方法进行了微博语料观点句识别、情感极性分类和情感要素抽取三项任务的实践：观点句识别首先采用规则过滤掉一部分非观点句,然后采用微博的表情符、情感词等特征,基于SVM的方法对其进行观点句分类；利用观点句分类的结果集,使用SVM进行了情感极性分类；结合情感词定位规则与CRF方法对观点句的评价对象进行抽取并判断评价对象的极性