张永成，王怀彬

（天津理工大学 计算机科学与工程学院，天津 300384）

随着互联网技术的飞速发展，人们在社交网络上的交流愈发活跃，愈来愈多的网络用户通过社交媒体发表自己的意见和评论。对网络评论文本中的信息进行情感分析和信息挖掘，有助于更高效地作出决策[1]。文本情感分析又被称为意见挖掘[2]，它运用自然语言处理、文本挖掘和计算机语言学等方法，遵循对需要处理的主观信息加以识别和提取的原则。将具有主观情绪的文本加以处理、分析和推理，进而提取出其中的感情倾向是文本情感分析的主要任务。因其在微博舆情分析、电商打分评价系统和新闻报道感情分析等任务中有着较为广泛的应用，所以自面世以来就受到了研究领域内外的广泛关注和认同。尽管在被关注前，就已有相关领域人员做过类似的深入研究，但限于互联网等条件影响，无法进行大规模的研究。随着时代的发展，大数据时代的到来，获得信息的途径不断增加，如何在获取的互联网的海量文本中提取更有意义的信息，是当前需要解决的问题，也是相关领域中备受关注的热门研究话题。

近年来，基于深度学习的方法在自然语言处理领域的情感分析子任务中有许多成功案例[3]。在情感分析任务中，现有的深度学习模型常常用softmax函数做最后的分类输出，但softmax在输出层面上并不会考虑上下文之间的关系，这会直接导致输出结果可能产生错误。……