为了了解消费者的消费满意度,可以通过问卷调查和电话随访的方式进行,但这种抽样调查不能代表所有消费者的消费满意度,搜集数据本身不具有代表性。社交平台网络的用户较多,可以储存大量的用户体验信息,而这些微博内容能够打破时间、空间、年龄、职业等的局限性,较好地反映出用户的兴趣爱好和情感思维。因此,从用户微博评论中获取用户的情感状态、偏好,找出用户的兴趣点,可作为商家提供发掘潜在客户群体的依据,便于有的放矢地进行产品营销及市场推广。微博文本和传统文本的差别性较大,内容短小精炼并且口语化;没有严格的语法限制,而且可能存在病句。了解这些微博文本的特殊性,根据二者的异同之处,改进传统文本分析方法,研究合适的中文微博产品评论情感分析方法,提高识别精度。本文的工作主要包括情感倾向分类、分类算法、情感信息的检索等内容。主要研究工作包括以下几个方面:构建基于句法依存关系和文本分类的微博产品评论情感分析模型,进行随机森林和支持向量机分类算法的性能比较,选择置信度高的训练样本集,选择微博表情符号并进行标注训练样本集;提出利用句法依存关系和文本分类相结合的情感分析算法,特别是将随机森林分类算法应用于文本分类,并进行实验分析,主要包含预处理、评价词及评价对象抽取、情感倾向性判别等,对微博产品评论文本中蕴含的情感进行分析;设计了中文微博产品评论情感分析的系统,阐述了系统的设计和研发过程,包括数据收集子系统、数据处理子系统和数据展示子系统的设计和实现;最后对系统进行了测试,主要包括测试环境的构建、测试结果对比分析,最终确定真正有效的微博产品评论情感分析模型。本文中所论述的微博情感分析算法,是在中文词法、句法分析基础上结合文本分类而构建的,最终研发出的情感分析系统测试后主客观句识别可达到88%的正确度,情感倾向性识别准确率能达到71%。