在语言学中不确定性一般意义上可以被解释为信息的缺乏。通常人们在信息不充分时会采用不确定性的表达,比如在学术论文中发表推论,在网络上发布流言蜚语等。随着大数据时代的到来,由于文本数据的处理需求,不确定性的判断和分类问题的研究备受关注。早期的不确定性研究源于准确地信息抽取,研究人员基于学术论文和维基百科等建设不确定性语料库,并主要采用基于线索词特征的分类方法进行研究。这些研究的不足在于太过依赖线索词特征而普适性不好,也少有深入不确定性具体分类的研究。为了弥补前人研究的不足,我扩充了语料库并设计了不基于线索词的判别算法。基于社交媒体广泛应用的大背景下,我构建了一个中文社交媒体不确定性语料库,我们对这一语料库进行了详细地标注。语料库中不仅标注了句子的不确定性,进一步地不确定性的具体类别也进行了区分。我还设计了一个深度学习模型进行不确定性判断和分类,模型中主要应用循环神经网络理解句子语义,注意力机制被用来抽取重要的不确定性特征,卷积神经网络用来分类。通过与现有方法对比的大量实验,我证明了我设计模型的有效性,其在大部分情况下都能获得最优的结果。总之,本文旨在推动句子不确定性的研究,一方面构建了一个中文网络社交媒体不确定性语料库,另一方面提出了一种新的深度学习模型,这一模型在不确定性判断和分类任务中性能优异。本文的研究成果能对自然语言处理领域有一定的帮助,促进相关问题的研究与发展。