随着在线社交网络的快速发展,对网络中用户关系的研究越来越多,链路预测被应用到用户关系分析场景。链路预测是利用网络中已有信息对未知链接或未来链接的预测。由于社交网络中正面关系是可见的而负面关系是被隐藏的,现有的研究大多致力于正链路预测,导致负链路的重要性被低估。负链路预测是利用网络中的正链路和用户间交互来预测用户间可能出现的负面关系。现有的负链路预测算法主要考虑了用户间负面互动次数,缺乏对用户间交互的充分利用。为了充分的利用用户间交互的信息,在此提出一种基于情感分析的负链路预测算法。首先,将情感分析的方法和社交网络领域相结合,提出了一种针对社交网络文本的情感极性强度计算方法,将用户间的交互文本中的情感倾向量化成具体的值;并基于用户间的交互提出了一种构建用户间交互关系矩阵的算法。其次,基于用户间交互关系矩阵,构建了衡量负链路可靠性的可靠性权重矩阵;接着进行了负链路样本集的构建和样本的特征提取,并提出一种基于结构平衡理论的负链路预测算法。通过在真实数据下进行实验和测试,基于控制变量法分析了各个参数对负链路预测算法结果准确率的影响,并与现有的预测基准算法进行对比实验,实验结果说明提出的负链路预测算法具有良好的性能。