微博是近年来发展快且影响深远的网络媒体形式,由于即时、开放、交互、时效的特点吸引了广大的用户使用,深入影响着人们日常生活方式,展现出了强大的社交能力和传播影响力。微博文本内容中潜藏巨大的有价值信息,对其进行情感分析,可为政府提供舆情分析、为企业提供决策依据、为个人发掘兴趣爱好等等。随着对文本情感分析的不断深入,细粒度的情感分析,即情绪分析已逐渐成为研究的重点。本文主要是通过对微博进行情绪分析,其判别出微博博主所具有的情绪类型。本文主要研究内容分为以下几点：首先是分析微博语言表达特点。微博语言属于网络语言,与普通的文本内容相比有着许多新特点。本文主要从情绪分析的角度对微博语言进行分析,其中包括符号、数字、微博表情等表达形式。其次是提出的一种基于依存句法的情感词计算方法。通过对句子的依存句法分析提取出对情感词的极性与强度产生影响的关系对,提出了4个情感词计算公式计算情感词的强度和极性。再是基于SVM和规则相结合的微博情绪分类内容。通过构建微博情绪特征使用SVM的机器学习分类方法尽管相对其他方法来说能取得较好的效果,但是总体效果不够理想,因此本文通过对微博文本的分析提出了20条微博语言规则与表情规则,包括3条否定规则,纠正SVM分类结果,使得最终的分类结果达到更优。