情感分析是人工智能的一个热门研究领域。随着互联网时代的发展,以文本形式出现的信息呈现出爆炸式的增长,成为人们最容易获取和交流的一种资源。对于收集到的文本数据,人们希望了解它们内部的特定联系及含义,因此,文本情感分析得到了广泛的应用。如何利用有限的标记样本来提升文本情感分类的精度,成为了情感分析领域的一个热点问题。本文主要研究了基于图的半监督情感分析算法。考虑到文本相似度对于情感判断的影响,参考已有的相关研究结果,本文在现有的基于图的半监督算法基础上,将距离度量学习融入到相似度计算过程中,强化关键特征之间的语义联系,提出一种基于度量学习的半监督文本情感分析方法。本文主要针对距离度量学习在半监督文本情感分析中的应用展开研究,在广泛调研文献的基础上总结了目前已有的本领域相关工作,首先介绍了几种常见的半监督机器学习算法,其次介绍了文本情感分析的具体流程,并对其中的相似度计算进行了分析,最后根据文本情感分析的特点结合度量学习算法提出了一系列的改进方案。本文的主要工作有:(1)在半监督算法的基础上考虑不同构造图对实验结果的影响,实现了改进方案。设定阈值消除相似度关联性的算法思想来构造临近图。(2)利用语义相似度,找到文本向量之间的马氏距离,这种算法更加适用于文本的情感计算。最后在上述理论基础上,实现了整个文本情感分类系统,包括预处理模块,特征选择模块,距离度量学习模块,情感分析模块。