自万维网(WWW)诞生以来,各种信息不断在网络上涌现,网络用户数量也与日俱增。近些年,网络内容组织方式也在逐渐地发生变化,从“博客”到Facebook,再到Twitter,互联网上出现了越来越多的网民表达。这些网民表达中包含大量的评价、态度、情绪等主观性观点。概括地说,网络上有很多的网民,网民有很多的观点,而这些观点扩散的很快。这种情况不能不引起个人、企业乃至政府的关注。我们需要找出这些包含观点的信息,更需要对包含观点的信息进行情感分析。　　作为文本情感分析研究工作,本文的研究重点有两个,分别是汉语情感词表构建和产品评论分析。对于情感分析,情感词表是非常重要的资源,而汉语情感词表资源还相对匮乏。另一方面,产品评论分析作为一个重要的情感分析应用也越来越受到关注。产品评论分析的工作也可以看成是本文情感词表构建工作的应用和延伸。　　本论文贡献如下:　　(1)提出了通过无标注语料自动对形容词和动词进行主观性度量。该方法用于产品评论分析的主客观过滤环节,在不降低性能的前提下能起到降低数据规模的作用。　　(2)充分利用语言中的极性非对称性,提出了形容词极性词表的自动构建方法。该方法不仅形式简单,而且具有较强的实用性。值得一提的是,该方法稍作修改能应用到{产品特征,观点}二元组的极性判定,这是其它单词极性判定方法所不具备的。　　(3)通过整合多种资源,结合人工和自动的方法,构建了“喜怒哀惧惊”五个高质量的情绪词表。该词表可用于后续的情感分析任务。　　(4)提出了用skip-Bigram集合表达单词序列。在此基础上,给出了抽取高频和低频产品特征的方法。通过这种集合表达序列的方式,可以方便地利用现有的许多机器学习算法,也便于计算序列之间的相似度,并捕捉灵活多样的产品特征或观点。