李宸严，刘 继

(新疆财经大学 统计与数据科学学院，新疆 乌鲁木齐830012)

0 引言

2020 年7 月，习近平总书记在一汽研发总院调研时指出：汽车制造业国际竞争激烈，要把民族汽车品牌搞上去，如何提升品牌的形象和溢价效应是首要问题。 随着互联网的发展，车企的发展规划、车辆品质、创新水平都受到广泛关注[1]。 网络评论暗含网民丰富的情感，通过对评论情感的挖掘，车企可了解近期的网络舆情，从而采取相应的应对措施。 因此研究车企网络舆情情感，对提高车企形象、维护车企利益具有十分重要的意义。

舆情情感识别的关键在于对文本情感的识别[2]。当前情感识别方法有两类：基于情感词典的方法、基于机器学习的方法。基于情感词典的方法利用情感词能映射情感倾向的特点，通过测度单词与情感标签的关联度来构建情感词典，依据文本中的情感词判断其情感类别[3]。 此方法虽能实现文本的情感分类，但存在三方面问题：(1)网络用语的盛行对情感词典的构建和维护提出了新的挑战；(2)处理二义性的词语时分类效果不佳；(3)无法考虑上下文的语义信息。 基于机器学习的方法逐步成了情感识别领域的主旋律。 PANG B 等[4]人最先在电影评论的情感分析中应用了最大熵、SVM、朴素贝叶斯三种机器学习方法。 大量实验证明，基于机器学习的方法在解决情感识别问题时的性能优秀。

1 文献综述

文献[5-6]提出的Word2vec 模型将单词映射到低维空间，降低了词向量的使用代价，实现了深度学习在文本分析上的应用，明显提高了情感识别算法的效果。……