随着互联网的高速发展,微博凭借其实时、简捷的优点逐渐成为公众传播消息、发表观点、分享状态的舆论平台。在其基础上的情感分析和预测也逐渐为当前的一个热门研究领域。分析事件的在微博虚拟世界的情感,可以了解公众对于真实世界中相关事件的公众情感趋向,对于舆情分析和监测,甚至商业产品优化和营销都有重要意义。微博具有特征稀疏和上下文缺失的特点,当前情感分析方法对于不含明显的情感词和语义特征标识却具有隐含情感的短文本不能很好识别。因此,本文从认知学和统计学角度出发,结合机器学习和人工标注方法构造情感常识库,并将其作为上下文背景辅助微博情感分析,进而预测事件情感趋势。1)情感常识库包括结构化常识和非结构化常识两部分。情感图式作为结构化常识知识,是在认知评价理论的基础上,结合语用推理和模式匹配方法构造而成。二元情感常识作为非结构化常识,使用依存句法分析技术挖掘句法结构构造而成；在规范文本句子级情感分析中的实验表明：两者可以有效提高情感分析准确率。网络俗语也是一种包涵网络背景知识的非结构化情感常识。本文采用互信息、上下文熵以及词向量word2vec技术挖掘网络俗语并进行情感判断。2)在情感常识库基础上,提出规则匹配和统计分类方法相结合的双层分类模型。在微博细粒度情感分析实验中,相对于当前基于词典和语义特征方法以及统计分类方法,准确率有明显提升。结合微博发表时间进行微博情感时序分析,预测事件不同时间段的情感比例。通过与百度指数用户关注度曲线对比表明情感趋势预测符合事件的真实发展状况,达到了实验预期。综上所述,本文构造的情感常识作为一种具有一定普适性的语义资源可以有效应用于情感计算领域,辅助进行文本情感分析和趋势预测。