微博作为一个能够让用户分享并且获取信息的社交平台,吸引了大量的用户。微博文本来源于社会的各个方面,对微博文本进行情感分析,有助于政府有关部门及时掌握当前的社会舆情动向,根据情感分析结果积极引导和控制舆论的发展,这对维护社会和谐稳定具有重要意义。微博文本简短精炼、口语化程度高、语法不规范、语义特征丢失严重等,加上人们表达情绪的新词越来越多,传统情感分析模型需要改进。从提升中文微博情感分析的效果出发,对传统情感分析模型加以改进,提出基于微博文本的情感分析模型。本文主要对微博文本进行情感分析,主要研究工作包括以下几个部分:（1）提供了一种在BiLSTM模型上引入Attention机制的方法。该方法使用词向量模型将微博评论文本转化为低维词向量,利用BiLSTM模型提取文本的词语语义特征,引入Attention机制计算出文本相应的注意力特征,使模型能够更多的关注重要的特征,最后利用softmax函数对Attention层输出向量进行计算得出微博评论的情感倾向性。经实验表明该方法有效。（2）提出了一种在Attention-BiLSTM模型上引入了ALBERT模型来提取文本的词语语义特征的方法。该方法中引入的ALBERT模型用来训练词向量作为词向量嵌入层,进一步优化输入文本的词向量,然后使用BiLSTM模型作为网络主体,充分学习文本特征,最后使用Attention机制突出不同词对文本情感分析的重要程度,进而进行微博评论文本的情感分析。实验结果表明,本文提出的ALBERT-Attention-BiLSTM模型能够很好的提取微博文本的语义特征,在对比试验中比采用传统Word2Vec模型和BERT模型作为词嵌入层的模型的准确率有所提升。除此之外,还使用了不同激活函数对模型效果进行实验,实验表明sigmoid函数更适合作为微博情感分析模型的激活函数。（3）以文中提出的模型为核心,设计并实现了微博热门话题情感分析系统。首先分析了系统的可行性和功能需求。然后根据系统的需求分析对系统进行总体设计。最后对系统每个功能模块的详细设计与实现进行了具体的描述。