随着社会媒体的发展,越来越多的用户通过微博来表达情感。因此,对微博中的情感进行挖掘有很大的应用价值。近年来,深度学习的技术在自然语言处理领域中取得了广泛的应用。所以本文将基于深度学习对蒙古文微博情感分析进行研究,具体工作内容总结如下:（1）由于蒙古文语料匮乏,本文构建了蒙古文微博情感分析语料库,选用NLPCC2014部分中文语料作为原始语料。由于原始语料包含大量噪音,需要对原始语料预处理。将清洗后的原始语料进行汉蒙机器翻译,并对翻译后的蒙古文语料进行人工校正。最终构建得到蒙古文微博情感分析语料库。（2）针对蒙古文微博主观识别任务,本文提出一种使用多头自注意力机制结合双向长短期记忆网络的情感分析模型（MA-BLSTM）对文本进行特征提取。然后,通过相关实验找到模型最优超参数,并验证了本文提出的MA-BLSTM模型在蒙古文微博数据集上的性能优于其他基线模型。（3）对于蒙古文微博情感倾向判断任务,本文采用Transformer结合卷积神经网络的集成模型（TCNN）来判断蒙古文微博的情感倾向。通过实验确定让模型达到最优性能时编码器的个数,卷积核的数量及大小。最后,验证了本文提出的TCNN模型的效果相比于其他基线模型在蒙古文微博情感分析数据集上表现最好。（4）针对蒙古文微博文本,本文开发了B/S结构的情感分析系统。系统的功能有:一键分析、主观识别及情感倾向判断等功能。同时,为了扩充数据集,将每次情感分析后的语料及结果保存起来,方便后续对模型的更新和迭代。