针对文本情感分类准确率不高的问题，提出基于CCA-VSM分类器和KFD的多级文本情感分类方法。采用典型相关性分析对文档的权重特征向量和词性特征向量进行降维，在约简向量集上构建向量空间模型，根据模型之间的差异度设计VSM分类器，筛选出与测试文档差异度较小的[R]个模型作为核Fisher判别的输入，最终判别出文档的情感观点。实验结果表明：该方法比传统支持向量机有较高的分类准确率和较快的分类速度，权重特征和词性特征对分类准确率的影响较大。