随着Web2.0的快速发展,社交网络媒体受到越来越多人的青睐,以新浪微博为例,它已经成为人们生活工作中的一个大众舆论平台,同时,也是主要沟通交流平台。人们可以自由地发表自己的见解、表达自己的情绪。对微博文本的情绪类别及其时序变化的研究,不仅是自然语言处理领域与文本挖掘领域的重要研究课题,而且对于探究文本中隐含的情绪及其情绪时序变化,也具有重要的学术价值与应用价值。本文采用一种结合了概率和一阶逻辑的情绪分类方法,并结合时间及事件因素,分析情绪的时序变化。主要研究工作如下:1)基于马尔科夫逻辑网络,确定情绪分类的马尔科夫逻辑表示方法,并根据外部情感情绪词典,构建文本的情绪分类体系,推理微博文本的情绪类别。2)基于分词、词性标注、依存句法分析、命名实体识别及语义角色标注等自然语言处理技术,利用词性及触发词,构建时间单元及事件规则库,识别时间表达式及事件词,并将时间表达式规范化。3)基于时间、事件信息,分析微博用户的发布规律、情绪变化规律,并结合事件信息,分析微博用户的情绪时序变化。实验结果表明,本文所提出的方法的可行性与有效性,且1)分类方法的准确率最好可达90%以上,其性能受数据量大小的影响;2)事件信息提取的准确率可达80%以上;3)微博用户的情绪变化与事件信息相关。最后,对论文中存在的问题及下一步的研究工作进行了说明。