随着微博等新型社交网络服务的发展与普及，人们借助此类媒介表达观点和情感变得更加灵活、自由、快速。因此，针对微博的情感分类也显得越来越重要，通过微博情感分类，了解用户对政策、产品、舆论热点等的反应，更好的对用户自身、企业、政府等提供决策支持具有重要的意义。在微博海量数据集上执行情感分类任务时，传统的情感分类算法的扩展性成为系统的瓶颈。因而，本文首先研究云计算平台-Hadoop的主要技术，分析了在Hadoop上实施情感分类的可行性。在此基础上，本文针对微博文本情感特点，通过自动构建和人工构建相结合的情感语料库，改进基于微博情感元素和语义的特征抽取算法，并采用Hadoop技术，设计了一种分布式、可扩展、自治的微博情感分类模型。针对该模型中的情感分类问题，设计并实现了基于Hadoop的朴素贝叶斯情感分类算法。测试结果表明，采用基于Hadoop的朴素贝叶斯情感分类模型对海量微博数据进行情感分类，具有良好的执行效率和较高的扩展性。