21世纪是一个互联网的时代,互联网的快速发展,使人们的生活发生了翻天覆地的变化,人们越来越习惯于在网络上浏览获取信息和发表自己的看法,网络构成的虚拟社会环境成为广大民众表达自我情绪和态度的平台。由于互联网的开放性和直接性,民众可以通过网络随时发表自己的看法,这为社会管理者及时了解社情民意提供了便利,通过对网络舆情的有效监控,社会管理者对民众的意愿能够及时的了解并做出相应的反馈和正确的决策,这对于社会稳定有着重要意义。本论文针对上述问题,对网络舆情分析的相关技术进行了调研,并着重对倾向性分析的各种技术进行了研究与实验,最后设计实现了舆情倾向性分析系统。论文主要工作如下:1.对网络舆情分析技术进行了调研,并着重了解舆情倾向性分析的理论与技术。对目前已有的各种机器学习分类方法进行研究。2.针对于目前舆情语料库缺少的情况,本论文利用爬虫技术,从网络上爬取舆情信息,人工标注构建了一个舆情语料库,用于实验分析等。3.区别于已有的倾向性分析方法,采用机器学习的分类方法用于舆情倾向性分析。考虑到有标记数据难以获得的问题,本文采用主动学习算法和半监督学习算法来解决这个问题,并对各种机器学习算法的有效性进行了实验分析。经过实验结果比较,朴素贝叶斯算法和标签传播算法具有较好的分类效果。4.在朴素贝叶斯算法和标签传播算法这两种算法的基础上,进行系统分析和模块设计,开发并实现一个网络舆情的倾向性分析系统,用于对舆情的情感倾向性进行判别,最终经过测试分析,系统具有良好的分类效果。