移动互联网的蓬勃发展导致了互联网中聚集了海量的带有主观性信息的短文本,其中包含的大量的观点态度和舆论动向都具有不可估量的商业和社会价值。文本情感分析任务就是分析、归纳和推理创作者在文本中表达的情感、观点和立场等主观性信息。目前中文短文本情感分析的各方面研究工作处于快速发展的阶段,机遇与挑战并存。本文针对中文短文本和微博的特点,在研究目前短文本情感分析的方法成果的基础上,提出了基于情感关键词搜索的以及改进的融合词典与规则的基于机器学习的中文短文本情感分析方法。基于情感关键词搜索的方法以能够代表短文本的情感关键词和主题关键词为基础,结合带有情感信息的情感词向量,在已标注的数据集中搜索与其关联度最高的短文本,将搜索结果作为判断待分类短文本情感倾向的依据。另外一种的方法根据情感分析任务和中文短文本数据的特点,对机器学习方法中的特征提取和权重计算部分进行了改进,分别提出了更加适合情感分类任务的MCHI特征提取算法和MTF-IDF特征权重计算算法,最后使用支持向量机完成分类任务。基于情感关键词搜索的方法加入了情感词向量信息,充分发挥了情感关键词和主题关键词的作用,实验结果表明正确高效的使用有限的情感词及其情感信息对于中文短文本的情感分析是至关重要的,以此为基础改进的机器学习方法分别在单一主题和多主题的不同数据集上完成了二分类和三分类任务,实验结果表明该方法的分类效果较改进前有了较大的提高。