对大学生特定时间的社交媒体评论文本进行情感倾向分析，不仅可以帮助教师更好地了解该 群体的情感特点，还可以为有关部门针对该群体的决策提供科学参考。文章采用SVM、KNN、DT和NB 四种机器学习算法分别构建情感分类模型，同时采用查准率P、召回率R和F值作为评估指标对情感分类 模型进行对比，最终选择SVM模型对157名大学生2（t19年1月至2（）20年2月期间的13048条微博文本 数据进行了情感分析。研究结果表明，负向情感出现的时间段集中在2019年11月和2020年1至2月。在 这两个时间段内，研究群体更关注“军训”“期末”“疫情”等事件，由此，学校管理者可针对这些话题或事件 进行有针对性的干预，从而在一定程度上缓解学生的负向情绪，保障大学生的心理健康。、
