随着互联网技术的不断普及，使得我们的生活与之息息相关。在微博等实时性交流工具的广泛应用下，互联网上的自由言论呈爆炸性的增长。如果这些言论中的负面信息大范围传播，将会对社会有很大的影响。为了解决这一问题，情感分析的研究可以避免这些不必要的现象发生。　　大语种的情感分析研究相对来说比较多，但是一些少数民族语言的情感分析研究还很少。就目前的维吾尔语情感分析来说存在以下几个难点：一、维吾尔语语料库的不平衡性导致标注语料在分类器中的效果不佳，需要加强情感语料的平衡性；二、基于机器学习的维吾尔语情感分析还不是很成熟，有许多未知的问题有待于发掘。本文针对维吾尔语情感分析的研究，开展了以下几个方面的研究：　　首先，本文使用主动学习策略筛选需要标注的语料构建SVM分类器，这些策略包括分类不确定性、聚类代表性和样本差异性。其次使用层次k-means聚类对余下大量未标注语料进行无监督学习，其结果可以作为半监督学习的辅助语料。最后，针对语料的正负数量不平衡导致分类器性能严重降低的问题，本文结合有监督学习和无监督学习，提出了半监督学习的方法，较好的解决了不平衡语料下的维吾尔语情感分类。　　实验表明，加入主动学习策略的SVM分类器通过训练较少语料就能获得不错的分类效果。同时平衡语料下的半监督学习相对于传统有监督学习具有更好的效果。它既能减少人工标注的工作量，也提高了情感分类的准确率。