随着社交媒体的发展,网络上出现了很多新型的社交平台,网民可以借助这些社交平台,诸如博客,微博和购物网站等等,实时的表达自己的观点并且和其他网民交流。而由于互联网的发展,每天这些平台上的用户产生的信息都是海量的,如何对于这些信息进行有效的挖掘就是一件有意义的事。本文的研究方向是情感分析,微博是用户交流的重要平台,通过对微博数据的分析,可以满足现今舆情分析以及商业应用的需要。本文基于神经网络和支持向量机研究了关于观点句识别及特定目标情感分析问题。经过研究和探讨,以及对现有工作的总结,本文围绕了观点句识别及特定目标情感分析方法进行了研究,主要进行了以下研究:1.基于自注意力双向门控循环单元和支持向量机的微博观点句识别针对现有的方法依赖于人工进行特征选择,以及提取的数据稀疏的问题,提出了基于自注意力双向门控循环单元（Bi GRU）和支持向量机（SVM）相结合的方法,该方法可以自动地学习出句子中的有效特征。引入自注意力,使得模型对句子中重点特征有更多的注意力权重,之后生成出一个二维的句嵌入矩阵,矩阵中的每一个向量都代表的是句子中的不同部分。该方法通过Bi GRU结合自注意力,得到句嵌入矩阵;将句嵌入矩阵转化成向量形式,之后还需将句嵌入向量输入到SVM分类器一起进行训练,最后由SVM分类器输出分类结果。与SVM和自注意力Bi LSTM这两个模型相比,本方法是基于以上两种方法的融合,有效的提高观点句识别的精确率。2.基于长短期记忆网络和门控卷积神经网络的特定目标情感分析研究基于特定目标的情感分析是很有挑战性的工作,主要的难点在于怎样加强特定目标与上下文之间的联系,还要考虑到不同语境下目标词对句子情感极性的影响。针对以上的考虑,我们使用长短期记忆网络（LSTM）和门控卷积神经网络相结合的方法来对特定目标进行情感分析。本方法是将目标词向量和词向量相拼接,得到两者的融合向量,之后输入到LSTM中,得到带有目标词信息的隐藏层状态;之后将隐藏层状态,输入到门控卷积神经网络中,之后门控卷积神经网络输出与目标词相关的情感特征,最后输出层由softmax输出分类结果。与门控卷积神经网络模型相比,本方法取得了更高的精确率。利用研究结果,设计并开发了基于微博观点句识别和特定目标情感分析的原型系统,介绍了系统搭建所需工具和系统框架,详细阐述系统的设计过程。实现了微博观点句识别和特定目标情感分析。