微博数据的情感分析具有重要的应用价值,通过对其分析,我们可以提取出民众关注的热点问题以及民众对于热点话题的情感倾向。但是这类文本数据往往面临着稀疏性强和噪声大的问题,如何将海量的文本数据进行有效地结构化处理一直是各界人士关心的问题。受基于惩罚函数的变量选择方法和社会科学相关理论的启发,本文将基于惩罚项的系数压缩思想和社交语境信息引入到段落向量模型中,构建出兼顾语义和情感的改进段落向量模型,同时利用三个英文Twitter情感分析数据进行有效性验证,结果表明本文所提出的方法在各个数据集上都要显著优于其他三种传统的方法。最后本文利用爬虫程序从新浪微博网页中抓取了热点话题数据,借助改进的段落向量模型将文本数据结构化成数值向量,同时进行文本聚类分析,实现了快速提取热点话题的核心内容。