汤凌燕，熊聪聪，王 嫄,2+，周宇博，赵子健

1.天津科技大学人工智能学院，天津300457

2.普迈康（天津）精准医疗科技有限公司，天津300000

随着Web2.0 时代的到来，互联网中涌现大规模带有用户主观情感的、内容短小且语义信息丰富的短文本，这些海量数据是用户意识和观点的综合呈现和重要体现，影响着网民对事物的看法态度和判断决策。具体地，网民在购物平台上选择商品时往往会先参考商品下已购买者提供的评论，然后做出是否购买该商品的决定。短文本包括但不仅限于社交平台[1-2]（如微博、微信、Twitter、Facebook）文字信息、产品评论[3]、电影评论[4]、视频弹幕与字幕[5]等。如何准确高效地利用计算机技术从海量短文本中自动分析情感信息，这对于产品分析、话题监控、舆情监测、用户建模、观点分析等有着重要意义。

情感倾向分析是文本情感分析的核心工作，是指对包含主观信息的文本进行情感倾向判断。根据情感类别数可将情感倾向分析任务划分为二分类（正面/积极、负面/消极）、三分类（积极、消极、中性）和多分类（高兴、激动、悲哀、愤怒等）任务；根据研究对象的粒度可将其分为篇章句子级的粗粒度情感倾向分析任务，以及目标/方面级的细粒度情感倾向分析任务。由于目标/方面级的细粒度情感倾向分析需准确分析出文本中所提及所有方面的情感倾向，能提供更全面、更细致的情感信息，故是短文本情感倾向分析的研究热点和未来趋势。

短文本情感倾向分析过程概括为三步：文本表示与特征提取、模型训练、结果分析。……