近年来,随着网络的普及,越来越多的人在观看电影之后,喜欢在电影平台上对观看过的电影发表评论。这些评论能表达出观影者对电影的喜恶,直接影响未观影者对该电影的第一印象,从而影响电影的票房。因此分析电影评论中的情感很有意义。目前,电影评论的情感分析主要分为三类:基于情感词典的方法,基于机器学习的方法和二者相结合的方法。基于情感词典的情感分析法的优势在于分析速度快,劣势在于无法准确的判断数据集中有褒词贬用或贬词褒用的评论数据。并且,当使用情感词典和情感公式计算情感倾向时,会忽略了很多的否定词、程度副词和情感词。基于有监督学习的情感分析方法准确率较高,但需要付出很高的人工标注代价。而无监督学习的方法虽然不需要标注类别信息,但是由于中文文本的复杂性,所以情感分析的准确率比较差。因此,本文针对以上问题,结合二者优势,提出了一种结合HowNet情感词典和用户点赞的方法对豆瓣电影评论进行情感分析。通过互信息算法构建电影领域词典并引入了用户点赞对电影评论的影响,使用支持向量机和逻辑回归和朴素贝叶斯训练数据并做了举例对比,通过引入多个评论数据集对该方法进行验证,达到了比传统基于情感词典方法更好的分类效果。