互联网的发展以及智能终端的不断增加,为社会各行各业的发展带来了新的活力。在互联网和移动互联网的带动下,微博的发展非常迅速,而随着微博用户的不断增加,微博已经成为国内最大的网络社交平台之一。通过对中文微博内容进行挖掘,能够发现其中的商业价值,微博用户在微博中进行情感交流,诉说自己的情绪也已成常态。近年来,随着物质生活水平的不断提高,人们也越来越重视精神升华,抑郁症作为一种心理疾病也越来越受到社会的广泛关注。通过对微博中的抑郁情绪进行分析,有助于判断微博用户是否含有抑郁情绪,对抑郁症的发现也有一定帮助。本文首先简单介绍了情绪分析的定义以及国内外情绪分析在微博领域的研究现状,对情绪分析的相关技术进行了介绍:包括基于词典的技术和基于机器学习的技术,并分别对这几种技术的进行了相关的研究。通过对新浪微博的分析研究,在现有的几种知名词典基础上,构建了抑郁情绪词典,根据需要调整了程度副词词典和否定词词典。并通过对患有抑郁症的微博用户所发微博的特征进行分析,对词典进行了扩充,得到最终的抑郁情绪词典。本文利用机器学习中的支持向量机(SVM)和朴素贝叶斯(NB)两种分类模型进行了对比实验,通过实验得出利用支持向量机分类模型对文本进行分类的效果要比利用朴素贝叶斯分类器的效果好,两种方法都需要对语料进行标注,因此利用抑郁情绪词典对微博用户的微博内容进行抑郁情绪分析有一定的优势。本文还利用抑郁情绪词典,根据词间关系得出微博用户所发的每条微博的情绪得分,记录不含抑郁情绪的微博条数和含有抑郁情绪的微博条数,然后计算它们的比值,最后与给定的阈值进行比较,判断微博用户有抑郁情绪的可能性。