近年来,微博成为了人们非常重要的在线网络活动平台。很多热点事件发生后用户能够在微博上获取相关消息,并且通过微博平台提供的发布、转发、评论等功能十分方便的参与到热点事件的讨论与传播过程中。微博平台开放的机制使得用户可以在微博上对不同主题热点事件发表观点、表达情感倾向。对热点事件相关微博数据进行情感分析,可以从中获取大众对具体事件的整体情感状态和情感传播转换情况,这些信息对舆情分析、营销效果评估等实际应用有重要的指导意义。本文对中文微博文本的短文本性和新颖性进行了分析,针对这类特性抽取情感学习的特征,构建了适合中文微博情感倾向分类的模型,并针对微博情感倾向的正负极性和中性的不同外延,提出并对比了一步分类和二步分类策略。在建立的情感分类模型的基础上,利用微博热点事件数据集对社会、娱乐、体育三类主题的典型热点事件在微博传播的激烈程度、参与度等方面的情感特性进行了分析。在此基础上,本文进一步通过典型热点事件传播数据集,分析了情感传播的动态过程和传播过程中的情感转变模式,描述了情感转换统一概率框架,并且基于条件随机场(CRF)构建情感转换预测模型,能够对事件微博传播中的情感传播转换进行预测。实验表明,本文构建的基于中文微博的情感分类模型对微博进行正向-中性一负向三种极性的分类,使用一步三分类策略的F1-值为74.9%,而二步分类策略的预测效果达到了82.4%,情感分类的效果较为理想,且验证了二步分类策略的有效性。情感动态传播中的基于条件随机场情感转换预测模型对情感转换的预测效果F1-值为60.2%,相较基准支持向量机(SVM)模型的效果提高3.7%,能够较好刻画情感转换传播网络,对于事件传播中情感的转换有一定的预测能力。