在信息技术高速发展的今天，用户需要面对大量的数据，海量数据中蕴含用户所需要的信息。微博作为一种新兴的互联网应用，正在高速地发展，由于用户众多，在微博上人们大量参与讨论的话题往往成为热点话题，用户针对话题发表的微博信息往往带有主观意味，本文以此为研究的出发点，为了获取在微博下用户对话题的舆情信息，对热点话题类微博的情感分析任务进行了研究，具体的研究包括以下几个方面：首先，分析了热点话题型微博的特点，讨论了有监督方法下，微博主客观分类、情感极性判别问题上分类器的选用以及特征的选择。通过实验发现在SVM分类器下，微博主客观分类问题通过结合文本特征与非文本特征，文本特征采用2选择，并利用微博的表情符，可以获得最优的性能。微博极性判别问题下结合词汇级特征、语句级特征和表情符特征可以取得最好的性能。实验结果证明了方法的有效性。其次，针对目前热点话题类微博下情感分析任务面临标注语料不足的问题。采用了半监督的策略，使用直推式支撑向量机(TSVM)的方法，结合大量未标注数据，在与有监督方法相同的特征组合下，微博主客观分类和情感极性判别的性能得到进一步提升，证明了方法的有效性。再次，研究了热点话题下微博评价对象的抽取策略。发现名词、名词短语以及微博的Hashtag占微博评价对象的绝大部分，同时面对抽取结果表达的多样性，对评价对象进行了聚类研究，并给出相关评价，提炼了话题的评价角度。最后，设计并实现了一个完整的基于热点话题型微博的情感分析系统。该系统有效地整合了本文所研究的方法，整个系统包括微博数据获取子系统、热点话题微博情感分析子系统、结果数据存储子系统、结果可视化子系统。