互联网技术一日千里,推动社交网络等互联网领域快速的发展,特别重要的是日趋完善的移动端互联网技术,使得用户可以方便地在网上发表自己的观点以及发布自己身边有趣的事情,并且这些大都是文本结构的信息,对文本信息进行情感分析可以帮助企业等组织了解用户的喜好,调整发展的方向以适应市场。本文研究内容针对如何提高文本情感分析的分类效果,从文档级文本情感分析和方面级文本情感分析进行研究,主要内容如下:一方面,文档级文本情感分析,构建混合神经网络层-利用基于注意力机制的胶囊网络(Capsule Network,CapNets)模型和双向门循环单元(Bi-directional Gate Recurrent Unit,BiGRU)模型充分提取局部特征信息和全局特征信息,自适应地感知上下文信息并提取影响文本情感分析的特征信息,将模型学习的特征信息进行融合。接着,两种不同词向量(Word Vector)表示的文本信息分别经过混合神经网络层,并将结果进一步融合,用Softmax对融合结果进行分类。本模型与基准模型比较分析,模型的运行结果说明提出的模型具有可行性。另一方面,方面级文本情感分析,考虑方面项位置信息的影响,若文本信息中出现方面项中的单词,则给其临近单词赋予更高权重,将方面项位置信息进行嵌入作为输入的一部分,用混合神经网络提取更高一级的语义特征表示,并进行特征融合。另一方面,方面项中每一个单词对于情感倾向性判断起着不同程度地作用,因此,用BiGRU提取方面项嵌入的信息,计算方面项中每个单词对应文本信息表示的注意力权重。在SemEval-2014 Task4标准数据集上证明了有效性。