随着信息技术的发展,信息的发布和传播速度越来越快,如何从海量数据中提取有价值的信息显得越来越重要。微博作为近年来新的社交平台工具发展很快,用户数量庞大,除了主动发布信息,还可以通过话题的方式参与讨论,话题的类别多种多样,很多有价值的话题的讨论内容会带有作者的主观意愿。如何分析出这些话题微博的情感要素就是本文的研究内容,情感要素的抽取包括情感对象的抽取和情感倾向的判断。在情感倾向判断问题上,由于中文微博可以包含较大的信息量,一条微博可能含有多个情感对象,因此基于机器学习的情感倾向分类较难以划分边界。本文采用建立词典的方法对情感对象的情感倾向进行判断,通过词典的匹配形成情感单元,使用情感单元的情感值判断情感对象的情感倾向。在情感对象抽取问题上,本文使用条件随机场(CRF)模型进行情感对象抽取。结合词形、词性、是否为情感词和依存信息等语义特征,实现对情感对象的自动抽取。该方法在闭式测试中效果较好,但开式测试效果较差。造成结果的原因很大一部分是CRF方法的训练语料规模不够,但人工标注语料的成本过高,语料规模难以扩大。由于CRF方法在该问题上的表现不佳,本文提出一种基于名词短语识别的候选情感对象表自动生成的方法,该方法结合依存信息对候选情感对象进行有效的过滤,得到候选情感对象表,利用该表对CRF未识别出情感对象的句子进行情感对象抽取。实验表明该方法在情感对象抽取问题上较为有效。