微博客(即微博,Microblog)作为一种新的传播载体,是一个基于用户关系的信息分享、传播以及获取的平台。目前微博已经迅速进入了人们的生活,在网络舆情发起和传播中起着重要作用,并成为用户观点挖掘和网络舆情分析的重要数据源之一。同时微博用户发表的评论大多简短,并且含有多种数据形式,例如表情符号和视频等,因此除了用户的文本评论外,其他形式数据所含信息也是不容忽视的。表情符号作为一种新的网络语言,在微博中被广泛采用,在一定程度上代表了用户的情绪和思想,也将影响微博情感倾向分析的结果。本文提出基于微博数据统计结果为表情符号构建情感词典的思想,通过对大量微博中与表情“共现”的文本的情感倾向分析,确定表情的情感倾向,以此构建面向情感倾向分析的表情情感词典,旨在为微博、乃至其它采用表情符号的Web用户生成信息的情感倾向分析提供支持。进而,本文将表情情感词典反作用于对应的微博文本,生成一个新的情感词典,与现有的情感词典相结合进行情感分析,旨在获得更准确的情感倾向分析结果。进而,对于那些表情和文本共现的微博数据,本文提出了一种融合文字情感词典和表情情感词典共同计算情感倾向的算法来提高此类数据情感分析的正确性。实验表明了该方法的有效性,并分析了相关阈值的设置对结果的影响,从而获得更加有效的表情情感词典和辅助情感词典。