网络股评的倾向性分析是倾向性文本分析在特定的股票领域的应用,既包含文本分析的一般性,又包含股票领域分析的特殊性。本文在网络股评的倾向性分析方面做了一系列深入研究,实现了网络股评文本倾向性挖掘系统。具体设计如下：(1)股评词库的构建。结合点式互信息度量变量间相关性的方法,提出了一种基于待识别词与种子词汇问的互信息的度量词汇的倾向性度量算法,结合人工筛选,最终实现了网络股评倾向性词汇库构建。(2)预处理环节。设计了本研究所需的个性化网络爬虫的算法,实现了其相关程序；基于最大匹配算法通过二分查找提高分词过程中查找词典的效率问题,实现了一种快速双向最大匹配的中文分词算法。(3)特征选择方面。结合对多种特征选择算法的实现与分析,提出了一种改进的卡方统计法,该算法不仅可以保留卡方统计方法对具有区分度特征识别的优点,而且能够避免低频特征项对系统整体的干扰。结合实验证明了改进卡方统计法在股评文本分类中具有一定的有效性。(4)模型构建。结合对SVM算法理论的分析,提出了一种抗干扰的改进SVM分类算法,通过去掉部分训练数据集中的噪音点,从而防止“过拟合”现象的发生。本文作为文本数据挖掘的一个深入性研究,不仅推导了具有数学形式的基础理论算法,而且通过实践强调了其在工程研究方面的应用价值。不仅详细地描述了文本挖掘的整个理论框架,还阐述了其中的若干具有独创性的改进算法。最后,结合试验验证了机器自动化预测股评倾向性和人工读取结果具有较高的一致性。