情感是指外在对象能否满足自身要求而生成的情绪立场,人类的认知、行为、信念以及对现实的看法常常受到情感的影响。在互联网的发展历程中,情感分析的发展与微博、论坛和博客等社交媒体的发展步调一致。在人类历史上,我们第一次拥有了大量以数字形式存储的观点数据,这些用户生成的内容(UGC)包含了人们的观点。从这些数据中挖掘出有用的知识,带动了情感分析的发展。由于情感分析的重要性,其研究从计算机科学逐步发展到管理科学和社会科学,其应用也涉及商业、政治、经济、军事等多个领域。本论文在微博博文的背景下对情感分类进行了研究,提出了一种利用协同过滤算法扩展情感词典的方法,通过微博文本数据对种子情感词扩展从而实现情感词典的构建工作。(1)将已有词典中情感特征强烈的词作为种子词语,生成微博与词语间的评分矩阵;(2)通过对评分矩阵进行矩阵分解,在保存矩阵中信息的同时减少矩阵的运算量;(3)根据评分矩阵进行计算得到推荐的TOP-N个情感词;(4)通过实验对比词典拓展前后的分类效果,结果表明,情感词典的拓展能够有效提高情感词在文本中的覆盖率,并且显著提高了情感分析的准确率。与此同时,本文还对多种单一情感分析算法进行融合,提出了一种基于DS证据融合的情感分类模型。(1)将情感类别作为识别框架,通过若干情感分类器的判决结果生成基本概率分配函数;(2)利用DS理论的合成规则将多个情感分类器的判决成果进行合成;(3)通过决策获得合成后的情感类别;(4)通过实验分析,将单一情感分类算法与DS证据融合情感分析算法进行比较。实验结果表明,该方法能够消除单一分类算法带来的不确定性,使得情感分类的准确率达到54.3%,较融合前单一分类算法的最优值高出4.2%。