【摘要】本文旨在探索人工智能在网络舆情分析中的应用，提出了一种改进型支持向量机（ ｓｕｐｐｏｒｔ ｖｅｃｔｏｒ ｍａｃｈｉｎｅ，ＳＶＭ）方法，以提升情感分析的准确性。 本文通过深入研究基于词频－逆文档频率（ｔｅｒｍ ｆｒｅｑｕｅｎｃｙ⁃ｉｎｖｅｒｓｅ ｄｏｃｕｍｅｎｔ ｆｒｅｑｕｅｎｃｙ，ＴＦ⁃ＩＤＦ）的特征提取方法，同时引入正则化项和优化的核函数，以适应复杂的网络舆情数据。 并在 ＳｅｍＥｖａｌ－２０１６ Ｔａｓｋ ４ 数据集上进行实验，验证了本文方法在网络舆情分析中的有效性。 实验结果表明，相较于传统 ＳＶＭ，本文所提方法在准确率、精确度、召回率和 Ｆ１ 值等多个指标上均取得显著提升，证实了其在情感分析任务上的卓越性能。