现如今,人们通过网络社交平台进行信息分享和交流变得越来越普遍。微博所发出的内容蕴含的情感信息反应出中国民众的社会行为和情感极性倾向,已成为自然语言处理中的热门研究话题之一。鉴于此,本文以微博数据为基础开展了对于微博这一领域的用户表达的情感进行分析。本文的研究内容如下所示:在基于情感词典的研究中,仍存有大量没有录入情感词典的新词,现存的词典对微博中情感极性词包含得不够全面。本文在建立的微博基础词典上构建了一个拓充情感词典,同时基于SOPMI算法实现对词典的扩充,构建专属于微博的领域情感词典,并设计了一种将情感词与特定的语义规则相结合的权重算法。传统机器学习的情感分析挖掘出的情感特征不全面。通过提出基于分类器的特征挖掘算法,在特征的选取与组合、特征的维度设定与分类算法的选取进行实验,获得最佳分类器,以得到最好的细致情绪分类准确率。如今花费大量时间进行人工特征提取已难以实现。本文提出了一种运用词向量结合深度学习混合模型的算法来训练数据内容。首先应用Word2vec神经网络语言模型生成词向量代替人工提取的特征信息,随后进入本文提出的深度学习混合模型LChybrid模型的主体,提取词向量中包含的情感信息以完成情感的细致极性分类。通过与上述情感分析算法及传统深度学习算法进行实验对比,验证得出本文提出的模型在微博文本的情感分析任务中能够取得有效的准确率。