胡德敏，褚成伟，胡 晨，胡钰媛

(上海理工大学 光电信息与计算机工程学院，上海200093)

1 引 言

互联网的快速发展以及移动设备的迅速普及使得用户可以方便地通过网络社交平台发表自己的观点评论.日常生活中，人们习惯于：在社交平台分享个人观点、在电商平台发表商品评论、在影评网站上发表观后感等等.这些文本大都反应用户的真实情感，通过分析评论中的情感取向可以有效把握社会舆论的趋势，为政府和决策机构提供支持，成为学术研究的热点[1，2].

传统情感分析方法主要分为三类：1)基于词典的方法；2)基于机器学习的方法；3)基于深度学习的方法.基于词典的方法以情感词典为主要依据并结合句法规则判断文本的情感倾向[3]，这类方法的优劣性很大程度上取决于人工设计和先验知识，推广能力较差，通常会与其他文本特征相结合作为情感分类依据.Pang等人[4]首次提出通过标准机器学习的方法解决情感分类问题，特征工程是这类方法的核心，常用的特征有n-gram特征(unigrams，bigrams，trigrams)、Part-of-Speech(POS)特征、句法特征、TF-IDF特征等.2006年Hinton[5]等提出深度学习后，深度学习方法被引入自然语言处理领域，解决传统机器学习方法无法挖掘深层语义的问题[6]，深度学习方法是目前情感分析领域的主流方法.

相比于传统的单语言情感分析任务，多语言情感分析相关研究较少[7].但在如今的社交平台上(微博、Facebook等)，多语言混合的表达形式使用广泛，多语社区环境下的用户更倾向于发表……