伴随互联网的普及及其在全球范围内的飞速发展,网上博客信息呈爆炸式增长,博客在网民中的使用率高达57.7%,网民对博客的认知和普及程度日臻升高。博客使作者能方便地发表自己的观点,读者能快捷地对博文进行浏览和评论,以博客的形式来共享思想与资源变得越来越流行,其已成为一个重要的情感抒发与交流的平台,也使得它日渐成为舆情产生和传播的主要场所。然而,在信息过度膨胀的时代,网民更关注言简意赅、情感倾向相关的名人焦点信息。为了能快速的按需从博客领域获得支持或反对等博文情感信息,迫切需要一种合适的情感检索工具,来对海量的博客资源进行组织和搜索。这时,最好的选择就是博文情感倾向性搜索。本文通过对中文博文中隐含的情感因素加以分析研究,结合自然语言处理技术,提出了情感词典和依存分析相结合的博文情感倾向性分析SPOA算法。在博文预处理阶段构建了基础情感词典和褒贬多义词词典,进行博文中情感词的识别；以关系对组为最小情感分析单位,并结合提出的情感异位关系对转换VCCA算法,使得计算上下文相关的修饰程度,更加准确和合理。而后的实验表明,在中文博文情感分析上,基于依存句法的SPOA方法优于窗口修饰算法,语法距离的引入和依存关系对的修饰,使博文情感倾向分析的性能明显提升。博文全文分析与网摘分析,效果无明显差别,但针对博文结构的重点情感句处理,整体性能占优,表明博文结构特点对情感分析有明显影响。最后,应用本情感分析算法,将博文按照用户倾向性需求排序返回,初步实现了一个博文情感搜索原型系统。