计算机网络的迅猛发展极大地推进了社会教育信息化进程,使网络上有关教育的信息数据飞速增长,对海量的教育新闻资源进行分类评价管理并及时发现敏感信息,实现不同类别教育新闻信息的收集、分析、监测等对教育管理部门相关人员来说是一个很大的挑战。本文针对教育新闻的情感评价,即对教育新闻进行正面新闻和负面新闻分类问题进行研究。主要工作如下:（1）构建了教育新闻领域情感词典并对其进行扩展研究。首先,用台大的情感词典和大连理工大学的情感词典整理组构了基础情感词典;然后,以教育新闻为应用背景,在基础情感词典的基础上,人工整理了与教育相关的情感词汇,并将其汇总构建教育新闻情感词典;最后,采用拉普拉斯平滑的SO-PMI算法对教育新闻情感词典扩展,形成了一个针对教育新闻文本具有较高有效性的情感词典,并采用此情感词典匹配教育新闻中情感关键词的方法对教育新闻进行情感分类。（2）提出了一种基于情感词典的朴素贝叶斯教育新闻分类方法。首先,对教育新闻文本数据源进行预处理;然后,通过向量空间模型进行中文文本表示,教育新闻领域情感词典进行特征选择,TF-IDF用于求取权值;最后,采用朴素贝叶斯分类算法构建教育新闻分类器,将教育新闻分为正面新闻和负面新闻两类。实验证明基于情感词典的朴素贝叶斯教育新闻分类方法与使用情感词典匹配关键字的教育新闻分类方法相比具有更高的准确率和召回率。（3）设计实现了一个教育新闻情感评价分类系统。针对某市教育管理部门的需求,采用本文研究的基于情感词典的朴素贝叶斯分类方法设计实现了教育新闻情感评价分类系统,该系统实用性强、界面友好,具有教育新闻文本分类、统计分析、热点词云、关键字查询等功能。目前教育新闻情感评价分类系统已投入使用,且性能稳定,用户体验良好。