由于不同的语言习惯，个人品格，偏见等，微博帖子中的情感表达常常反映用户的特定个性。现有的情感分类算法在很大程度上忽略了不同微博用户之间的这种潜在人格差异。 同时，针对个人用户的微博情感数据稀疏，难以学习有效的个性化分类器。 在本文中，我们提出了一种新的可扩展的个性化情感分类方法，该方法基于潜在因子模型的变体，通过将用户和帖子映射到低维因子空间中来捕获个人情感变化。 我们通过将帖子分解为单词，然后根据依赖解析结果获得的一组单词的句法单位，将这些单词分解为由加权情感和主题单元进一步表示的单词，从而减