چکیده: امروزه شبکه‏ های اجتماعی توجه ویژه‏ای را به خود جلب نموده‏ اند. در شبکه‏ های اجتماعی گوناگون، کاربران دائما در حال ابراز نظرات عمومی و همچنین خصوصی خود درباره‏ ی موضوعات مختلف هستند. توییتر یکی از این شبکه‏ های اجتماعی است که در دهه اخیر محبوبیت بسیاری یافته است. این شبکه اجتماعی روشی سریع و موثر برای تحلیل احساسات، دیدگاه‏ها و انتقادات مشتریان برای موفقیت در بازار را به سازمان‏ها ارائه می‏دهد. تحلیل احساسات یا عقیده کاوی فرآیندی است که در آن نظرات، احساسات و نگرش افراد در ارتباط با موضوعی خاص استخراج می‏شود. تحلیل احساسات در حوزه بلاگ‏ نویسی کوچک موضوعی نوپا بوده و کماکان پتانسیل تحقیق و توسعه بسیاری دارد. پژوهش‏های زیادی در رابطه با تحلیل احساسات بر روی نظرات کاربران، مستندات و مقالات انجام شده است. تحلیل بر روی موارد بیان شده تفاوت عمده‏ای با داده‏ های توییتر دارد، به این سبب که توییت‏های توییتر محدودیت 280 کاراکتری دارند و کاربران را وادار به بیان احساسات خود به صورت فشرده و کوتاه می‏نمایند. بهترین نتایج به‏ دست آمده در طبقه‏ بندی احساسات از تکنیک‏های یادگیری‏ ماشین مثل بیز ساده و ماشین بردار پشتیبان حاصل شده است. در این پژوهش به ارائه روشی برای تحلیل احساسات در شبکه ‏های اجتماعی پرداخته می‏شود. در این راستا سعی شده با تمرکز بر مراحل پیش‏ پردازش داده ‏ها و انتخاب ویژگی، طبقه ‏بندی متن توسط روش بیز را تا حدودی بهبود بخشیم. روش پیشنهادی صحت تشخیص 83/37 درصدی دارد. همچنین نتایج نشان می‏دهد که استفاده از ویژگی‏های n-gram بهترین نتیجه را در سیستم ارائه نموده و با ترکیب آن با وزن‏دهی به صفات براساس نسبت بهره، بهبود چشم‏گیری در نتایج به دست آمده حاصل می‏شود.