在互联网普及率如此之高,网民规模如此庞大的今天,人们更喜欢以一种快速、简洁的方式来表达自己的观点以及获取热点信息。由于微博平台可满足人们获取重要信息和表达情感的需求,受到广大网民的欢迎。运用情感分析技术对微博中大量包含情感信息的文本进行分析,在众多领域都有着重要的应用价值。本文利用深度学习的方法对包含民航舆情关键词的微博文本进行情感分析。在该任务中主要有两个重要组成部分:文本向量化表示和语义信息抽取。前者利用神经网络从海量文本数据中学习出蕴含语义信息的向量化表示;后者是在文本向量化表示的基础上利用深度学习模型进一步抽取高层语义特征和句法特征。通过对现有方法的分析和研究,针对这两部分的不足之处进行改进。(1)针对现有的词向量模型中蕴含的情感信息不够充分的问题,给出了融合表情符号的词向量模型。该模型充分利用微博文本中表情符号情感信息更明确的特点,将表情符号词向量与原始词向量进行相关运算,构建出情感语义信息更丰富的词向量模型。利用卷积神经网络在该词向量模型的基础上训练情感分析模型,通过大量实验确定该词向量模型的参数,并与其他词向量模型进行对比,准确率有所提升。(2)针对现有的深度学习模型结构在获取文本中上下文依赖关系与位置特征还不够全面的问题,给出了一种融合位置信息的多维自注意力机制。该方法将自注意力机制扩展为多维计算,并融入前向和后向位置特征,利用该模型能够有效提取微博文本的多角度高层语义特征,深入获取语句间的内在联系。在包含民航舆情关键词的数据集和公开数据集COAE2014任务4的数据集上均进行实验,结果证明基于融合位置信息的多维自注意力机制的情感分析模型的效果优于对比模型。