篇章级情感分析一直是自然语言处理中最活跃的研究领域之一。它在数据挖掘、文本挖掘舆情研究、和信息检索中也有着很高的出场率。事实上,由于它对商业和整个社会舆情研究的重要性,它已经从计算机科学延伸到管理科学和社会科学,如新闻传播、营销策划、金融分析、政治科学,甚至历史研究。因此,收集和研究情感意见已成为必要。本文具体内容如下:1、篇章级情感分析的关键在于是否能够准确有效的生成文本的情感表示,然而现有的模型大多只是考虑从词级对文本进行编码。文中提出了一种基于多尺度卷积和门控机制的注意力情感分析模型,使用多尺度卷积的文本数据编码方式捕获不同粒度的局部相关性,以得到更多不同层次的文本语义信息,形成更丰富的文本表示。该模型还考虑到用户个性及产品信息对文本情感分类的影响,将范畴信息（用户信息和产品信息）融合到注意力中捕捉与用户和产品相关度较高的关键语义成分生成文档表示。并且引入门控机制控制情感信息流向汇集层的路径,最后使用全连接层和argmax函数实现情感分类。通过在公开的IMDB,Yelp2013和Yelp2014篇章级情感分析数据集上进行实验,验证了模型的有效性。2、在多尺度卷积和门控机制的注意力情感分析模型基础上,考虑如何更有效地使用用户产品信息,提出基于用户偏好信息和产品特征信息的门控注意力模型。文档中有些词显示出强烈的用户偏好,有的更倾向于表明产品的特征,可见将用户信息和产品信息一起编码到一个表示中是不合理的。提出使用门控的方式来融合用户和产品信息到模型中。首先,应用两个独立的注意力分别生成基于用户偏好和产品特征的文档表示。然后,将这两个评论表示加权求和作为最终的表示,并且经过一个门控单元。最后使用线性分类预测用户对一个产品的总体情绪实现情感分类。还对融合范畴信息到不同位置进行尝试。通过实验证明,同时将用户产品信息融合到嵌入层和注意力中拥有更好的情感分类效果。