随着互联网技术的高速发展，网络上的信息出现了爆炸性的增长。这种增长使得人们可以有机会从更多信息源了解和获知他人的信息、想法、态度和意见。而这些主观性的评论，无法通过传统的基于词组和自动索引的信息检索技术来获取。因此，近几年来，文本倾向性分析持续成为自然语言处理领域研究的热点问题之一。文本情感倾向性分析，是对文本中各种对象所表达出的态度（或称观点、情感）进行分析，即对文本中的主观性信息进行分析。按照处理文本的粒度不同，文本情感倾向性分析可分为词语级、短语级、句子级、篇章级等几个研究层次，而词语情感倾向分析是文本情感倾向分析的前提和基础。　　 本文具体分析了常用词语倾向性判定算法SO PMI存在的一些弊端:依赖种子词选取、依赖语料库的规模以及共现窗口问题。针对这些缺点，本文提出了一种改进算法，具体如下：种子词选取是词语倾向性判断的首要工作，通过以往研究表明种子词的选取对词语倾向判定结果有影响。本文具体分析了种子词选取需要考虑的因素，用高频词和词聚类选取具有代表性的词语，并通过《知网》词语相似度计算每个正向词与正向词集合中正向词的平均相似度，过滤掉平均相似度小即褒贬强度低的词语，同样负向词也是这样过滤，则剩下的词语作为种子词集。通过实验，采用SO PMI算法验证种子词选取对词语倾向性判定的影响以及本文所提方法的有效性。本文在共现窗口和数据稀疏方面提出了一种改进算法。本算法在计算两词语的互信息时加入了两词语之间的共现距离信息，表明了两词语的距离与两词语的相关性成反比;另外，本算法在计算候选词极性时，通过同义词词林对候选词进行扩展，减少了某些词在语料库中出现频率太低所带来的问题。通过与传统点互信息SO PMI方法对比，实验结果表明本文的改进方法会令算法性能得到明显的改善。