张宝华，张华平，厉铁帅，商建云

1.北京理工大学计算机学院，北京 100081；2.中央军事委员会政法委员会，北京 100120

1 引言

随着智能电子设备的普及和网络的发展，大量的社交媒体及电商平台开始走入人们的生活，人们在日常使用过程中会产生海量的评论数据。合理利用观点挖掘技术可以从这些数据中获取巨大的价值，如对电商评论数据进行观点挖掘，可以分析得出商品的优缺点，商家可以对其进行修改；对影评数据进行挖掘，可以看到当前电影的缺点和优点，方便用户进行选择，也方便出版方的宣传工作；对新闻评论区等数据进行挖掘，可以掌握当前群众的态度。情感分析作为观点挖掘的主要技术之一，面临着巨大的挑战。

新词频出、长短不一、结构不定是网络评论数据的主要特点。严重依赖情感词典的传统规则情感分析方法一方面由于情感词典中缺少网络新词，无法得到新词的正确情感权重，在计算时只能忽略这部分词；另一方面又因为网络文本的结构不定，使用现有的规则对网络文本结构进行分析会出现一定的误差，导致该方法对这类数据的分析效果很差。而基于深度学习的分析方法虽然在分析效果上较好，但也存在一些问题。首先，单一的神经网络模型在处理文本数据时会因为模型本身存在的结构缺陷，造成部分情感特征的损失，从而导致分析准确率较低；其次，现有神经网络模型需要将文本数据映射到向量空间，构建文本向量矩阵之后进行模型运算，但是在这个过程中丢失了在传统方法中对句子情感有很大影响的结构信息；……