随着21世纪到来,传统信息传播方式已经无法满足新时代信息传递的需求。互联网的飞速崛起,促进了传统信息传播媒介到新兴信息传播媒介的转换,由过去滞后、单调、被动的传播方式逐渐转向互联、主动、快速的新型传播方式。互联网为用户提供了大量的开放式信息交互工具,例如BBS、微博、博客等,用户可以不受时间和空间限制,在遵守法律的前提下,通过网络在各种平台上无限制的分享观点、传播信息,促进了信息的互相交流。微博作为其中最具代表性的信息传播平台,以其快捷性、方便性、趣味性,快速的被人们接受和使用。越来越多的互联网用户开始使用微博分享信息和表达观点,这些观点中往往带着用户比较鲜明的正面或者负面情感色彩。微博具有用户数量多、消息传播快、话题范围广的特点,因此,对微博中的情感信息进行挖掘并进行情感倾向性分析具有很重要的意义。本文对国内外许多学者在文本情感倾向性分析方面做过的相关工作进行了详细介绍并总结。本文从中文分词、词性标注、句法分析等方向入手,介绍了情感倾向性分析中中文文本处理的相关技术,以及当前比较常见的情感词库—Word Net、How Net等。文章基于新浪微博提供的分析语料,分析了中文微博短文本情感倾向性分析所面临的问题,提出了利用CRFs(Conditional Random Fileds,条件随机场)机器学习方法和自定义情感词典相结合的方式。经过实验验证了本文提出的方法。实验结果表明,相较于句法分析方法,文章提出的方法准确度提高了5%左右。文章最后总结了本方法的不足,对未来情感倾向性分析技术进行了展望,并指出了未来工作的方向和切入点。