微博,也称微博客,是现如今最流行的互联网应用,目前已经在全球范围内形成了一个高度互动的信息传播平台。微博以其简单的操作,自由的表达,快速的更新等特点迅速发展成为一个包含数十亿用户的庞大社区。在全球,每天有超过7亿条的微博更新。在中国,有高达5亿微博用户数。越来越多的用户喜欢通过微博来获取信息,发表观点和意见,倾诉自己的情感。庞大的信息量必然带来信息处理和信息过滤的问题。与此同时,不断变化的微博话题,看似是碎片式的,无规则的,实际上蕴涵着巨大的商业价值,也对政府部门的舆情监控等工作具有重要意义。基于此,本文针对微博的特征选择方法与情感分析两方面进行研究。对于微博的特征选择方法的研究,在信息增益方法的基础上进行改进,用于提高特征选择的准确性。之后又提出了一种基于微博数据流的动态特征选择更新方法,很好地适用于微博海量数据的特征。对于微博情感倾向的研究,文中首先构建了微博领域的情感词典,并在此基础上设计了基于句法依存关系的微博情感倾向性分析方法。通过在新浪微博语料集上的实验显示,在特征选择方面,本文提出的方法比传统信息增益在准确率和召回率上分别提高了4%和3%。同时,设计的动态特征更新方法也更适用于微博数据流的情况。情感分析方面,基于句法依存关系的情感分析方法适用于微博情感分析判断。对正倾向微博的准确率为63%,对负倾向微博的准确率达78%。实验表明该方法适合解决中文微博情感分析问题。