随着WEB2.0快速普及发展，微博、评论网站、贴吧等网络社区愈发发达，人们通过这些渠道表述个人对事物、事件、商品等的观点，进而出现了大量含有个人情感、态度或观点的文本，对这些文本进行情感分析具有较大的商业和社会价值。情感分析是一种新生信息挖掘技术，主要处理文本中的情感、态度或观点。在情感分析过程中，将带有个人情感、态度或观点的一篇评论文分类为褒义、贬义或者中性，亦可称作文本情感极性分类，是情感分析中尤其重要的一项任务。褒义表示评论的作者倾向于喜爱评论对象，贬义表示评论的作者倾向于不喜爱评论对象，中性表示评论的作者对评论对象既有喜爱的倾向也有不喜爱的倾向，没有明确的情感倾向。本文重点分析中文段落级文本的情感倾向。本文首先对待分类中文段落文本进行分词、分句，然后采用机器学习的方法对其句子进行主客观分类，进而从中提取出带有情感色彩的主观句，剔除不含有情感色彩的客观句。针对目前在主客观分类方面对包含丰富情感信息的主观线索，尤其是对关联词的研究较为缺乏。本文提出以主观线索为特征的主观性文本识别，以主观线索特征为主观性文本识别依据，采用朴素贝叶斯分类器对中文段落中的主客观句进行分类，提取其中的主观句。实验结果表明，采用该方法比朴素贝叶斯+主观线索（不含关联词）方法准确率平均提高8%，比传统朴素贝叶斯方法准确率平均提高14%。最后在词语情感分析的基础上对提取出的主观句进行情感倾向分析，针对段落中各个主观句对段落情感的贡献不同，本文提出基于句子权重的文本情感倾向性分析，在段落中所有单句和复句的情感倾向都已经确定的基础之上，采用科学的合成算法将段落中所有单句和复句的情感倾向进行合成，得到整个段落的情感倾向。实验表明该方法对于段落级的文本情感分类效果很好。