近年来,用户生成内容(UGC)概念深入人心,促进了WEB2.0互联网技术的飞速发展。互联网不仅是网民获取信息的知识库,更成为网民表达观点、交流看法的互动舞台。人们进行评论、表达观点时,通常具有鲜明的倾向性(或者叫意见、观点),它往往表达出喜、怒、哀、乐和批评、赞扬等情感,这种信息在产品性能分析、网络民意监测、信息预测等方面具有广泛的应用价值,吸引了大量的学者进行研究。　　 本文尝试从引入句法上下文信息、跨语言情感词扩充这两个方面对文本情感分类进行研究:　　 (1)引入句法上下文信息的情感特征研究。　　 在前人研究中,名词、形容词、动词、副词作为影响句子情感倾向的要素得到充分研究,然而还有一些虚词(比如:叹词、语气词、拟声词和连词)也跟情感紧密相关,却被当作停用词过滤了;另外,否定处理大多基于固定窗口进行研究,这种方法并不能准确反映文中被否定对象的位置。因此,本文利用词汇层的情感信息,挖掘情感虚词的情感色彩、以及通过句法分析的否定词处理来加强语义理解,进行情感分类的研究。实验表明,能取得不错的性能。　　 (2)基于跨语言语义空间的情感词典扩充研究。　　 英语国家在情感分析领域的发展条件要远远优于中文,除去英文不需要分词这个天然优势外,更主要还在于各类研究工具和资料比较丰富。相对来讲,中文情感分析起步晚,语料少而分散,因此近年来出现了跨语言的情感分析。跨语言情感分析都是基于互译句子语义相同、情感一致这个前提的,例如:“我很快乐!"和“J am very happy!",所表达的情感都是一致的。本文通过对英汉平行语料进行挖掘,利用共现分析构建了跨语言语义空间,实现了中文情感词典的扩充。实验表明,扩充中文情感词典后,情感分类器性能表现良好。