当今时代,网络已经成为人们生活中不可或缺的部分。利用微博平台发表自己对影视剧的见解已经成为网民交流的一种重要方式。本文对包含影视剧评论的中文微博的情感分析方法进行了探究,对微博进行正向、负向、和中性情感分类。文中首先采用计算粘结度的方式获取网络情感词加入现有的情感词典进行补充,然后对微博进行了否定词处理、停用词过滤、影视剧名称和演员名称取等预处理后,从微博中取出词汇特征、情感信息特征、词性特征、标点特征和微博信息特征等各类特征,同时利用隐含狄利克雷分布(LDA)模型取出语义特征。采用信息增益的方法对特征集合进行筛选。利用筛选后的特征集合对SVM模型进行训练。同时针对影视剧评论微博语料不平衡的问题,通过对数据集不同类别数据比例的调整,训练了平衡模型和非平衡模型。为了高标注的效率,我们采用了手工标注与自动标注相结合的方式标注了大量微博进行实验。文中对模型进行了五折交叉验证、并利用其它剧名的影视剧评论微博测试集和非影视剧评论的微博测试集进行测试,实验表明该模型具有良好的分类效果,在平衡模型上五折交叉验证正负中情感类别的F值分别为0.872、0.885和0.856,在非平衡模型上五折交叉验证正负中情感类别的F值分别为0.872、0.755和0.890。