随着互联网的快速发展,用户对数据业务的需求迅猛增加,涌现了海量的图片、文字等半结构、非结构化数据。这些数据具有数量庞大、种类繁多、时效性强等特点,如何从海量数据中挖掘出附加值高的信息成为了大众关注的热点问题。这其中,基于社交文本的情感分析是进行网络文本数据挖掘的一种有效途径。但由于网络言论自由,在用语表达以及水贴灌溉参差不齐的网络环境下,人们对于信息的准确性与真实性要求日益强烈。目前的文本情感挖掘技术大多基于产品评论、新闻报道等领域,在特定的领域上的分词算法以及情感分类算法上依然不尽如人意,故而效果较差。本文的主要研究工作包含以下三个方面:第一,全文在基于TRIE树的词图扫描技术上,通过互信息与左右熵对未登录词进行识别,根据动态规则查找词频的最大切分组合。本文对比了几种经典统计量在不同数据库中新词检测时的表现,最终选择互信息作为内部统计量,左右邻接信息熵作为外部统计量。第二,通过python 3.6的scrapy框架构建爬虫程序,爬取各大网络平台的数据语料并导入MongoDB数据库,本文结合主流中文词典对数据进行预处理,利用自然语言处理技术,采用手动构建和半自动词典构建方法针对特定领域建立积极、消极专属情感词典以及否定词词典并记录词频,提出一种新的SoA特征选择方法进行情感词典的特征筛选。第三,在经典贝叶斯算法的基础上,本研究结合三类情感词典对贝叶斯算法进行改进,并结合粒子群阈值优化算法识别并提高了每条文本的情感倾向。实验与多种预测方法(KNN、最大熵、SVM)进行比较,基于情感词典的改进贝叶斯算法识别平均准确率为86.85%,结果表明该方法能够获得较为理想的预测结果。