近年来，微型博客（简称微博）越来越受到网络用户的青睐，成千上万的用户通过发布微博共享他们的观点和情感。其中，有大量带有情感倾向（认为某事物“好”或“坏”）的微博文本，这些微博文本反映了微博作者的情绪。一方面，微博渐渐成为研究意见挖掘和情感分析非常宝贵的意见资源；另一方面，微博也为意见挖掘和情感分析提出了新的要求和挑战。本文通过对新浪微博（目前最大的中文微博平台）文本进行情感信息方面的分析与研究，从以下两个方面对微博文本情感分类展开研究：　　首先，本文提出了一种基于情绪知识的非监督情感分类方法。该方法利用情绪词和情绪图片两种情绪知识对大规模微博非标注语料进行筛选并自动标注，然后用自动标注好的语料作为训练集构建微博情感文本分类器，用以对微博文本进行情感极性自动分类。实验结果表明，我们提出的方法在微博文本的情感极性分类方面取得了较好的效果。　　其次，本文通过对新浪微博上股票投资者发布的文本进行情感信息方面的分析与研究，提出了一种自动识别股票投资者未来情感倾向（认为股票市场未来行情“好”或“坏”）的方法。股票投资者未来情感倾向反应了股票投资者的情绪（InvestorSentiment），投资者情绪是研究经济市场走向的重要指标，行为金融学认为股票投资者情绪影响投资者决策，进而影响股票市场。本文提出的分类方法分为两级识别，第一级：识别出微博中包含未来情感的句子；第二级：将第一级识别出来的包含未来情感的句子分为正面评论（看涨）和负面评论（看跌）。实验结果表明，本文提出的方法同样取得了较好的效果。