中文微博情感分析旨在发现用户对热点事件的观点态度。已有的研究大多使用 ＳＶＭ、ＣＲＦ等传统算法根据手工标注情感特征对微博情感进行分析。该文主要探讨利用深度学习来做中文微博情感分析的可行性，采用 递归神经网络来发现与任务相关的特征，避免依赖于具体任务的人工特征设计，并根据句子词语间前后的关联性引入情感极性转移模型加强对文本关联性的捕获。该文提出的方法在性能该文提出的方法在性能上与当前采用手工标注情感特征的方法相当，但节省了大量人工标注的工作量。

认为因短文本具有特征稀疏性和高度冗余性,微博短文本的预处理及学习方法研究已经成为微博信息挖掘及应用的关键,并在许多方面有着非常重要和广泛的应用。重点分析微博短文本的特性,并对微博短文本的预处理和学习方法及其应用现状进行归纳和总结,包括短文本特征表示、短文本特征拓展与选择、短文本分类与聚类学习、热点事件发现及自动文摘等。最后指出相关研究的局限性,并对未来的发展方向进行展望。

微博作为新的舆论媒介,成为了热点事件的主要传播途径之一。微博在给人们带来方便,快捷的同时,也产生了很多负面的影响。因此,及时发现热点话题,杜绝负面影响的扩大将有很大的现实意义。从web文本挖掘技术方面介绍微博热点事件研究方法,通过微博数据采集及处理着手,重点讲解了微博热点研究发现的核心技术,最后设计并实现了微博热点话题发现系统。