如今，由于互联网普及率的极大化，使得铺天盖地的网络信息呈现在了人们的面前。在这些网络信息的面前,利用计算机的相关技术快速地分析并判断网络中文本文字的情感倾向,对于政府的舆情分析、企业的产品评价及智能回馈等方面均有着巨大的应用前景[1]。朱嫣岚、闵锦[2]等人就该问题提出了基于How Net的词汇语义倾向性计算的两种方法：其中包括基于词语语义相似度的方法以及基于文段语义相关场的方法。2008年，周立柱[3]等人总结并分析了情感分类现有的成就、不足以及将面对的挑战，并对其发展前景做了一个简要的预期展望。49137

目前国内学者针对中文文本情感倾向分类的研究还相对较少,梁坤[4]等人实现了将一些网络评论进行情感分类,并判断这些评论是正面还是负面的相关研究。其后，有学者提出论坛中存在的隐式结构的结构信息的识别、分析的方法非常适用于面向在线论坛的问答资源挖掘工作[5]，2010年《基于随机网络的在线评论情绪倾向性分类》一文中提出的SCP-X方法[6]对在线评论文本的倾向性分类的实现效果更佳。最早的情感倾向分类问题可以追溯到1997年由MIT媒体实验室的Picard教授提出的有关‘情感计算’的概念，之后，国内许多学者就该概念做出了大量的贡献[7][8][9]。在这之后，国内许多学者对中文文本情感分类做出了巨大的贡献，下面将进行简要的介绍：

基于语料样本库的中文文段的情感倾向判别，是一项具有较大价值的实用性技术，2009年，由闫瑞[10]等人提出的短文本分类方法成为了论文网应用于网络安全方面的一种主要方法。总体而言，对中文文段的情感倾向分类研究可以分为基于短语的情感分类和基于句子的情感分类。2010年，李艺红[11]等人利用SentiWordNet构建词语情感倾向性表以降低句子向量的维数，并对句子进行倾向性分析。同时段，学者们提出的基于PageRank模型的情感极性判断方法[12]和基于句型的领域倾向词表的构建[13]也对句型情感极性的判断做出了巨大的贡献。

随着时间的推移，网络语言的发展日新月异，使得许多新生词汇不能得到有效的情感划分，由此在2011年庞娜[14]将增量算法应用于情感识别模型，并通过实验得出了较高的准确率。截至2012年，由杨震[15]等人提出的上下文重构的短文本情感极性分析使文本情感分析的理论研究达到了一个新的高度，并且可在一定程度上降低误差率。

近年来，随着中文文本情感倾向的分析逐渐成为国内研究热点，情感分类研究的许多论文也被多个研究领域所收录，并进行了深入的讨论和分析。相信在接下来的一段时期里，对中文文本情感倾向分类的研究仍会作为国内学者们的热点及难点问题。