近来,越来越多的研究人员致力于在社交媒体上分析人们的情感和观点的问题。 在大多数情感分析应用程序中,情感词典都扮演着至关重要的角色。 然而,当面对社交媒体中的新词和新含义时,现有的基于词库的词典构建方法遭受覆盖问题。 另一方面,以前的基于学习的方法通常需要大量的专家工作来注释训练数据集或设计提取模式。 在本文中,我们观察到图形表情符号是相应微博帖子的良好自然情感标签,并提出了一种词表情互助排序模型,以从大量微博客数据中学习情感词典。 我们将表情符号和候选情感词整合到微博中,以构建一个两层图,在该图上运行随机游走以提取排名最高的单词作为情感词典。 在具有各种主题的基准数据集上进行了广泛的实验。 结果证实了所提出的方法从微博数据中构建情感词典的有效性。