文本的情感倾向分析即对于人们关注的一个问题或者对象，通过自动化工具，对网络中的评论性文章进行自动分析，判断文章的情感倾向，获得有价值的信息，并且归纳、整理出不同的态度和立场。 文本情感倾向性分析是目前自然语言处理领域研究的热点，在商业产品用户反馈分析、政府舆情分析、垃圾邮件过滤、信息安全和自动文摘等领域都有广泛的应用。情感倾向分析研究的涉及面很广，本文结合了实际的系统开发，着重对其中几项关键技术进行了深入的探讨。 本文首先对文本情感倾向分析的研究背景进行了详细的介绍。在该研究领域，国外起步较早，因此相关文献和研究成果比较多，而中文的情感倾向研究目前仍处于摸索阶段，相关参考文献较少，文章对此都做了概括性的介绍。 其次，文章探讨了通用领域的词汇情感倾向性计算方法。其主要思想是分别利用HowNet的语义相似度和语义相关场计算功能，计算词汇与人工选择的褒贬基准词的相似度，从而获取词汇的倾向性值。通过多次对比实验、参数测试，最终在常用词集上得到80％以上的正确率。 文章接着通过一个针对汽车领域的情感倾向分析系统，讨论了实际系统开发过程中，评价词、评价对象的本体构建技术。我们根据系统的实际需要，设计了领域本体的存储结构，并使用了人工与机器相结合的方式对本体信息进行搜集、整理以及扩充。最终的本体共包括93家生产厂商、219个品牌、504种汽车型号、7482个同义词以及4235个包含情感倾向的词语信息。 最后，阐述了作者在文本情感倾向研究过程中的心得体会，并对研究成果进行了总结，对该领域的发展前景进行了展望。