随着网上信息量的增加和网络应用的扩大,有越来越多的用户借助因特网来获得自己需要的信息。用户在购买某种产品、做某件事之前,往往希望得到相关的一些评价和建议作为参考,因特网成为一种很重要的途径。而因特网上也有很多关于产品或者服务的用户评价信息,但是靠人工来区分这些信息是一件非常艰巨的任务,所以本文提出了自动情感分析方法。本文首先研究了情感词汇的自动获取技术,在北大计算语言所提出的“基于同义词词林的词汇褒贬计算”的算法基础上,通过提取部分标注错误的词汇对该方法加以改进,使词汇情感标注的准确率从89.58%上升到91.52%,并提出一种基于规则的动态扩展方法,通过上下文决定歧义词的情感倾向。接着研究情感文本分类的一个应用——评价信息的情感分析,对用户评价信息进行情感倾向分析。本文使用文本向量模型,通过对中文语言中各种不同词性,以及否定词,转折词,程度副词对文本的影响,来判断文本情感。并且提出一种迭代算法扩展初始情感词典,以提高分类的准确率。该方法思想简单,容易理解,准确率达到了86.43%,但缺点是算法时间复杂性较高,比较费时。本文使用Web挖掘技术将这些用户评价信息挖掘出来并根据用户情感进行分类。输入的是要查询的主题,输出的是对于该主题三种类别(正面、负面、中性)的评价各占的百分比,以及所占比重最高的类别中,权重的绝对值最高的前十条评价信息。