直播作为一项新兴娱乐模式,越来越受到用户的欢迎。随着直播的发展与普及,大量实时的直播在线评论——弹幕随之产生。这些弹幕不仅与直播的内容相关,而且具有在线实时性、语言简略与互联网化的特征,容易产生一些新的网络流行词汇;同时,用户间的实时交互影响彼此的表达方式和情绪。因此,弹幕一般承载着用户的各种观点,能够及时准确的反映用户在观看直播时的情感状态。对弹幕文本进行情感分析,挖掘出具有价值的情感信息,能够及时准确的掌握用户喜好与行为,对直播网站的精准营销与服务具有重要参考价值。尽管国内外研究者对传统文本的情感分析进行了大量深入的研究,已经有一些较为成熟的成果,但对弹幕情感的研究与分析并不多。而且由于弹幕独特的在线实时、语言简略与互联网化特征,现有方法难以直接用于弹幕的情感分析。为了提高弹幕情感分析的准确性,更好的分析出用户对直播内容的喜好程度,本文对直播弹幕与情感分析相关技术进行了深入的分析。从基于情感词典与基于机器学习两个方面,阐述了文本情感分析技术,并对文本表示方法与文本分类方法进行了综述。针对弹幕语料库缺乏以及语言简略与互联网化特征,构建了弹幕专属情感词典。通过获取虎牙直播网站的后台弹幕文本数据,选取其中的10000条弹幕数据,进行预处理构建了弹幕语料库,并通过优化语料构建了弹幕专属情感词典。然后选取了词向量、情感词、否定词、句法依存关系和标点符号等特征,进行语料特征提取。针对直播弹幕语言的特性,提出了一种基于改进SVM的情感分析模型。通过引入分类处理因子与梯度下降因子,降低了预测器的泛化误差。在此基础上,提出了词向量、情感词、否定词、标点符号和依存句法分析等多种融合特征的方法,将融合结果映射到向量空间上,再通过分类器进行情感分类。通过实验优化调整模型参数,得到了适合直播弹幕的特征组合,提高分类的准确度。实验结果表明,与SVM算法、朴素贝叶斯算法、最大熵算法相比,本文提出的方法在精确率、F1值以及召回率性能上更优。并将情感计算结果生成情感趋势图、根据弹幕热度生成词云,对弹幕文本进行多个角度的可视化分析。