针对微博短文本存在口语化、简洁化等社交网络特征，充分利用句法依存关系以及条件随机场（conditional　random　fields，CRFs），抽取候选评价对象，并在基于机器学习的微博情感分类方法的基础上结合情感分析词典，引入情感值、微博标签、主题等特征，优化分类性能。在COAE（Chinese　opinion　analysis　evaluation）微博评测数据集上，以准确率、召回率、F1值为评价指标对所提方法进行验证，证实了基于句法依存分析与CRFs相结合的评价对象抽取方法的有效性，分析了各类特征对情感分类性能的影响，最终在COAE微博观点句识别任务中准确率达91.4％。