作为时下最流行的社交媒体之一,微博具有信息传播快、信息量大、内容欠规范等显著特点,已发展成为互联网信息交流共享的重要平台之一。当前,对微博文本的情感识别与分类研究逐渐成为自然语言处理领域中一个新的热点研究方向及难点所在,其研究成果对于企业及时洞悉用户对产品或服务的使用反馈、对获取社会民众的民意、舆情监测等应用均具有重要的现实意义。本研究致力于初步解决面向中文微博文本的主观句识别与情感分类问题,具体研究内容如下：一、通过分析微博文本,总结出微博文本的若干结构特征,并构建表情情感库。在分析微博文本中常出现的重复标点符号的基础上,整理出辅助识别情感分类的标点符号情感库。将情感词汇本体库和表情情感库、标点符号情感库相结合,构建了中文微博文本的情感特征库。二、分别使用词频统计、期望交叉熵、TF-IDF、以及求TF-IDF的方差等方法对微博文本进行情感特征抽取,其实验结果显示：基于方差与TF-IDF加权结合的特征识别与抽取方法取得了最好的结果。三、关于微博文本的情感识别与分类,我们首先判断微博文本的主、客观性,使用朴素贝叶斯方法和支持向量机方法来识别主观句,实验结果显示：朴素贝叶斯方法对主观句的识别效果更好。此后,对属于主观句的微博文本我们进行了情感分类研究,使用基于支持向量机的一对一分类法和一对其余分类法,其实验结果显示：基于支持向量机的一对一分类法效果更好。四、基于以上提出的情感特征抽取方法及情感识别与分类方法,我们构建了相应的原型系统。通过在公开评测数据集上的一系列实验验证了本文所提方法的可行性和有效性。