随着网络媒体形式内容的丰富,更多的人开始在论坛和评论中发表自己的观点。这些网络文本中带有个人情感色彩的文章、言论也大量出现,其中互联网上的客户评论对于网络消费者的购买决策有着重要的影响,如何从海量客户评论文本数据中自动的抽取出有价值的信息,已成为目前亟待解决的问题。文本主要研究将传统的基于主题的文本分类方法应用于情感文本分类,考虑应用统计学方法实现对情感文本分类的研究,结合传统的基于主题的中文文本分类技术,分析中文情感文本分类的关键技术问题,着重对提高情感文本分类精度过程和方法上进行研究;分析不同的特征选择方法、特征表示方法以及不同的分类器模型的构建对中文情感文本分类精度的影响。论文对情感文本分类问题的关键技术进行了研究,最终确定了有效的分类模型,提出提高中文情感文本分类的较为有效的特征选择方法、特征表示方法以及有效的情感文本分类器;提出4种不同的基于中文情感文本分类特征的停用词表,通过实验分析使用不同停用词表对中文情感文本分类的贡献,并给出有效的停用词表。最后,将实验总结的分类模型应用于实际,验证了研究结果的有效性。将基于支持向量机的情感文本分类模型应用商品推荐领域,实现对国内知名购物网站的商品评论文本信息进行分类实验,提取消费者对产品评论的有效特征,情感分类所得客户评论的情感倾向,并就得出的结果给出了合理的分析,为情感文本分类的应用提出了建设性的意见。