在短短几年内,微博呈爆炸式发展,越来越多的公众舆论因为微博平台得以快速传播。微博意见领袖在舆情导向上发挥比较大的影响作用,而微博的内容决定着舆情的导向。微博意见领袖识别技术以及情感极性分类技术可以有效地对微博进行舆情监控。本文研究工作主要与这两方面的技术有关,具体工作内容如下：(1)针对目前已有的微博意见领袖识别模型存在的不足以及意见领袖在线检测方法研究的缺乏,本文提出了一种基于特定话题的微博意见领袖在线检测方法。对某一话题进行了约一周的微博意见领袖在线检测实验,实验结果表明该方法能够在线收集与指定话题有关的微博信息并且能够动态计算出参与该话题讨论的用户的影响力,从而检测出其中的意见领袖。(2)传统的n-gram文本特征向量提取方法往往会产生很高的维度,高维数据不但增大了分类的难度,同时也会增加数据处理的时间。为了减少特征维度,本文提出了一种基于词性序列的特征提取方法,它基于词性序列能够代表一类文本的这一个特点,利用词性序列组来作为文本的特征表示以达到降低特征表示维度的效果。该方法在保证分类精度的情况下,能够提取出较少的特征,并将该方法应用于微博情感分类。在实验中,通过两种分类器对分类效果进行评估并且验证了该方法的有效性。(3)为了进一步细化微博情感极性分类的研究任务,提出了微博子空间分类思想以及情感词子空间,并用情感词子空间对基于词典的情感分类算法进行改进。该方法首先将微博划分到不同的情感词子空间中,然后再使用相应子空间中的分类方法对微博进行情感极性分类。经过实验对比,本文提出的方法不但提高了分类准确率,同时召回率也得到了较大的提高。