伴随着互联网的发展以及新的网络应用的出现,互联网用户由单纯的“读”网页,向“读、写”网页,共同建设互联网发展,由此网上产生了大量带有用户主观感情的数据,从这些带有主观感情的海量数据中挖掘出网络用户的观点在现实生活中具有很大的意义,在这种背景下文本情感分析(sentiment analysis)技术应运而生。　　 文本情感分析近年来成为一个新的研究热点。根据研究的粒度大小不同,文本情感分析可分为词汇级、句子级以及文档级,然而句子级以及文档级的情感分析往往以词汇级的为基础。目前对于词汇级的情感分析研究有基于规则的方法和基于机器学习方法,针对中文文本词汇级情感分析大部分使用基于规则的方法。基于规则的方法,通常具有较高的准确率,但召回率很差,为此本文对此进行了深入的研究。　　 首先,针对基于规则的情感词汇自动识别算法的不足,提出了基于条件随机场的情感词汇识别算法,该方法将情感词汇识别当成序列标注任务,并给出了标注集、特征模板以及特征验证与特征筛选的方法。实验结果验证了基于条件随机场的情感词汇自动识别算法的有效性。　　 其次,针对传统基于词汇相似度的词汇褒贬性自动识别算法的不足,本文提出了一种改进的基于词汇相似度的褒贬性自动识别算法。该算法以基于聚类的褒贬基准词选择算法为基础,基于词群的概念克服了词汇间相似性与词汇间褒贬倾向不一致对词汇褒贬性计算的影响。实验结果表明,该方法在准确性方面优于传统基于词汇相似度的词汇褒贬性计算算法。　　 最后,给出了一种评论文摘自动生成的方法,该方法基于评价搭配抽取,评价短语极性判断以及评价对象聚类。实验结果验证了该方法的可行性。