移动互联网的强势发展对互联网内容的生产起到了推波助澜的作用。每天都有浩如烟海的数据产生,其中不乏大量的用户评论。这些评论体现着用户对事物或人的看法和态度。对这些评论进行情感分析,能够挖掘出用户的爱恶偏好、个性特征等有价值的信息。本文采用了特征集成的方式,将词向量及其改进模型作为特征,利用卷积神经网络模型进行细粒度的情感分析。本文的主要工作包括:1、改进了词向量模型的特征表达能力。现有的词向量模型只是一种通用的词表示方式,并没有针对特定的任务进行优化。而本文针对细粒度情感分析任务,对词向量模型进行了改造,融入了更加丰富的先验知识,增强了它的表达能力,从而提高了特征的多样性。并且,本文还在多个方面比较了改造模型之间的表达能力差异。2、设计并实现了多分支卷积神经网络模型。通过使用多个查找表的方式,本文扩展出了一个能够同时利用多组词向量特征的卷积神经网络模型。在电影评论和商品评论等数据集上进行的细粒度情感分析实验都证明了这种特征集成方法的有效性。为了挖掘效果提升背后的原因,本文进一步探究了模型在特征选择上的差异。最后,本文将该方法迁移应用到了问题分类任务上,也取得了成效,并给出了合理的解释。