随着信息化时代的到来,互联网使用人数越来越多,数据成为商业活动中一种重要的资源,海量的数据存在着大量有价值的信息。微博,作为一种新的社交媒体已被大众广泛接受。在内容方面,微博涉及的话题丰富多样、参与度高;从用户角度上分析,微博可以满足用户的个性化要求,实时沟通交流与情感倾诉。微博传播信息的能力十分强大,每天都产生海量的数据。通过对中文微博进行情感分析研究,能在网络舆情监测、商品市场营销、方针政策意见反馈等方面发挥极大的作用。目前,已有的情感分析研究大多基于传统机器学习的方法和基于规则词典的方法,存在诸多的不足,例如标注代价过高和移植性较差等。且中文微博具有篇幅短小、语法特殊、词汇新颖等特点,已有的方法不能很好地处理微博数据。为解决上述问题,本文将使用深度学习的方法,分别从情感评价对象抽取和情感分类两个方面展开研究,具体如下:1.提出了一种基于长短时记忆网络的中文微博情感评价对象抽取方法。方法首先通过构建双向长短时记忆网络模型,将评价对象抽取任务转化为序列标注任务;再利用注意力机制,计算注意力分配概率分布,提高序列的表达能力;最后结合机器学习方法中的条件随机场算法规划文本序列的最优标注路径,提高评价对象抽取的准确性。2.提出了一种基于卷积神经网络的中文微博情感分类方法。首先通过建立卷积神经网络作为分类模型;再结合注意力机制,计算注意力分配概率分布,突出关键内容的贡献,减少信息的丢失;最后结合highway算法控制信息流,缓解模型训练困难的问题,改善训练过程的质量,提高情感分类的准确率。3.综合上述研究成果,构建深度学习环境,收集中文微博语料进行实验。实验结果验证了本文所提方法的有效性,同时对所提方法进行总结,提出后续的研究计划。