二十一世纪被称作高速发展的信息时代,互联网用户从以前的被动接受信息逐渐转变为主动分享经验和发表评论。用户在进行决策之前,慢慢开始习惯于在相关评论或心得中获取参考意见。如何在海量的互联网信息中快速提取出对自身有价值的信息,已成为信息时代每个人都需要掌握的技能。传统文本情感分析研究对用户的决策起到了很好的辅助作用,国内外研究人员对传统文本的情感分析的各方面改进工作取得了较大的进步。而随着弹幕视频和直播行业的兴起,弹幕成为人们实时交流和讨论的重要工具,如何对这种带有时间序列特征的文本进行情感分析,仍存在较多研究空间。针对目前情感词典适用性差和语义表达不足的问题,本文通过分布式词向量技术改进了情感词典的构建方法。首先,在已有的中文情感词典的基础上,使用Word2vec训练出词语的词向量并计算词间相似度值,将TF-IDF值和词间相似度值加以权重计算作为种子词集的筛选标准和分类依据。然后,用种子词集判断候选情感词集中词汇的类别,形成情感词典。最后,通过对比实验并进行结果分析,对比于传统的情感词典构建方法,本文改进的基于词向量的情感词典构建方法可以获得更高的适用性及精确度。针对弹幕文本在时间序列上前后影响关系及多数研究不能直观展示情感分析结果的问题,本文利用情绪衰减模型改进了弹幕文本的情感计算方法,并用可视化方法对计算结果进行直观分析。首先,将分词过后的弹幕文本数据按词性分类,筛选出对情感计算有影响的类别并整理。收集其中出现的特殊数字和字母组合等,汇集成词表并标注相应情感倾向类别。然后,引入情绪衰减模型,将情绪衰减计算方法融合到情感计算中,体现弹幕文本的情感持续特性。最后,根据情感计算结果生成趋势曲线图,并结合弹幕数量时间变化图和情感词标签云,对弹幕文本的情感从多个角度进行可视化分析。