随着微博平台的不断发展,每天都有大量的话题产生,反映着现实社会中的一些热门事件和公众关注焦点。聚集在特定话题下的微博,集中体现了用户对该话题的观点表达,为了获得用户对话题的舆情信息,本文以微博话题为研究对象,针对话题的情感分类和观点汇总两个方面对其进行了研究。针对微博话题众多但情感标注训练集缺乏以及由某一话题训练出的分类器话题适应性差等问题,提出了一种话题自适应微博情感分类框架,旨在利用有标注训练集的话题数据对无标注训练集的目标话题数据进行情感分类。首先利用LDA对话题进行主题建模,判断话题之间的主题分布相似性,以此确定用于适应目标话题的源话题,接着应用SFA算法和引入潜在特征空间来减轻不同话题间特征的不匹配,此外,针对微博数据的特点,添加非文本特征来增强不同话题间特征的匹配程度,得到最终的特征组合,在此基础上,由源话题训练出的分类器对目标话题进行情感分类。针对同一话题下的微博表达具有不同的侧重点形成不同的微博类簇,对同一微博类簇内部和不同微博类簇之间观点词间联系的紧密程度进行分析,提出了基于重叠社区发现的典型观点汇总技术。首先抽取观点词并计算观点词之间的PMI值,以此为基础建立观点词网络,接着在观点词网络上应用SLPA发现观点词重叠社区,然后基于观点词社区对微博进行划分形成微博类簇,最后在微博类簇之上使用Hybrid TF-IDF算法抽取典型观点。本文对以上两部分在真实数据集上进行了实验,结果表明本文提出的方法能够有效地对目标话题进行情感分类,同时抽取得到的典型观点能够反映出不同的话题侧重点。