互联网对人类社会的影响既快速又深入,现如今人们在互联网中的活动不仅是对互联网信息的单纯上传与下载,而是更多地与互联网中的其他个体进行信息与情感的交流,这让我们有机会在互联网中观察到更加丰富的用户情感表达。如何对互联网中的用户情感表达进行分析,深入挖掘其中的潜在信息既是产业发展的重要需求,也是科学研究的关键问题。情感分析一直是自然语言处理领域的重要课题。目前主流的情感分析方法,往往是单纯地利用文本特征进行情感计算,却忽视了情感的主体,即用户本身对其情感表达的影响,从而限制了情感分析的最终效果。本文针对上述问题,主要进行了两方面的工作。第一,构建包含用户和词语的异质网络,并采用网络节点嵌入的方式对用户表示和词语表示进行联合学习,获得带有一定情感极性倾向性的用户表示和词语表示。通过这一学习过程,用户和词语能够被清晰地分割开,不同极性的用户和词语也得到了明显的区分。第二,结合异质网络节点嵌入的联合表示学习结果与卷积神经网络,即将基于异质网络节点嵌入学习到的用户表示和词语表示作为卷积神经网络的输入,构建情感分析模型。在IMDB,Yelp2013和Yelp2014三个数据集的实验结果显示,本文提出的方法相较于目前的最优系统准确率分别提升了2.6%,1.8%和1.4%。本文提出了一种在异质网络节点嵌入的过程中引入用户信息,同时对词语表示和用户表示进行学习的方法,提高了模型描述能力,从而有效提升文本情感分析的性能。这一基于异质网络节点嵌入的表示学习思路可以拓展到其他的表示学习领域,通过不同的连接策略达成引入更多信息的目的,具有很好的可扩展性。此外,本文应用认知语言学理论指导深度学习算法设计,具有一定的创新性。