随着互联网中各类社交媒体的兴起,识别微博中用户的观点倾向性成为社交媒体舆情分析的主要任务之一,也逐渐成为热点事件检测的基础,以及社交媒体领域的研究热点。同时,微博观点检测在政治、经济、社会安全等方面也具有广泛的应用价值。通常,表达用户观点的微博文本具有简短、噪音多、主题涉及面广并且不显示表达主题等特点,这使得观点倾向性检测比情感检测更具有挑战性,正因为如此,到目前为止,微博观点检测仍是自然语言处理领域一项富有挑战性的研究内容,受到越来越多研究者的关注。本文基于神经网络方法实现微博观点检测,主要研究内容包括:1.本文研究了卷积神经网络和递归神经网络的网络结构及其在观点检测中的作用。2.设计实验研究了基于卷积神经网络的观点倾向性检测方法的特点,分析了卷积神经网络的特征提取功能,验证了卷积神经网络提取有利于观点检测的词汇信息,去除无关噪音信息的能力,为动态主题词的提取和设计奠定了基础。3.本文研究了基于递归神经网络的观点检测方法的特点,比较了不同的网络结构,比较了两种不同的注意力机制方法,并将Word-by-Word注意力机制用于观点检测。4.针对目前微博观点检测中主题宽泛的问题,本文提出了基于动态主题词的观点检测方法,分析了三种不同的CNN+RNN的结构,研究了三种不同的Attention计算方法,并设计实验验证了提出的基于动态主题词的观点检测方法的有效性。