程 艳，孙 欢,陈豪迈,李 猛,蔡盈盈,蔡 壮

(1. 江西师范大学 计算机信息工程学院，江西 南昌 330022；2. 豫章师范学院 数学与计算机学院，江西 南昌 330103)

0 引言

近年来，互联网已从静态的单向信息载体演变为动态的交互式媒体，越来越多的用户在其中发布新闻或产品评论表达自己的观点。利用情感分析技术对这些海量的交互信息进行分析，可以发现用户的情感、心理轨迹，从而帮助研究机构掌握社会情绪动态[1]。文本情感分析是指对带有情感色彩的主观性文本信息进行分析、处理、归纳总结并判断其情感倾向[2]，将这些带有主观情感的想法和观点进行高效快速的分析是当前的热门研究方向。

传统的文本情感分析方法主要包括基于情感词典方法和基于机器学习方法。尽管这些方法在分类准确率方面表现良好，但依旧面临许多困难。基于情感词典方法以情感词典作为判断评论情感极性的主要依据[3]，依赖大量的人工干预，例如，构建词典、制定判断规则等，难以应对新单词和未知单词的出现，具有领域依赖性问题[1]。基于机器学习方法由于忽略了句子中单词的顺序，无法区分句子的语义而导致情感分类错误问题[4]。以机器学习方法中较为常见的词袋模型[5](bag of words，BOW)为例，BOW模型将文本表示为单词的集合，但该集合忽略了语句中的语法和单词出现的顺序，结果导致模型无法捕获单词之间及上下文相关信息。

近年来将深度学习技术应用于自然语言处理(natural language processing，NLP)领域已成为行业主流。……