随着社交媒体的发展,用户在社交平台发表自己的观点已成常态。如何有效地利用这些平台的数据一直是自然语言处理研究中比较火热的话题。其中,利用评论文本来进行情感分类则是情感分析中主要的一个任务。目前大部分关于情感分类的研究都是基于文本本身的信息来识别情感,但在社交媒体上,用户信息对识别情感有很大的帮助。因此本文分别针对如何抽取用户关系,如何构建有效的情感分类模型,以及如何将用户信息融入情感分类进行了深入的探究。具体的研究内容分为以下三个方面:首先,为了更好地利用用户信息,以及构建用户之间的关联网络。本文基于神经网络模型从用户评论文本中识别用户之间的好友关系。具体而言,本文首先结合用户发表的评论文本和社交媒体上的用户属性信息来构建用户特征表示,其次,将用户特征表示融入卷积神经网络和注意力机制等神经网络模型来分析两个用户是否是好友。实验表明,本文提出的模型能够有效提升用户好友关系识别的性能。其次,为了能更好地构建基于用户信息的情感分类模型,本文提出了一种基于文本层次结构的情感分类模型。具体而言,本文从“词-句子-文档”之间的结构出发,构建用户评论文本的层次结构,并基于神经网络模型学习这样的层次结构,从而构建基于层次神经网络的分类模型。通过实验发现,本文提出的模型能够有效提升情感分类性能,并证明了文本层次结构对于用户评论文本语义建模的有效性。最后,为了将用户信息充分融合到产品情感分类模型中,本文提出了基于多输出与层次结构的产品情感分类模型。具体而言,首先构建基于文本与用户信息的评论表示模型,其次,在对整体产品情感倾向进行分类的同时,对用户的评论文本的情感倾向也进行预测,从而在表示层和输出层都考虑了用户信息对情感分类的影响。通过实验发现,本文提出的模型能够有效提升整体产品的情感分类的性能,并证明了用户信息对于产品情感分类具有很大的帮助。