随着计算机技术的蓬勃发展,种类繁多的网络平台孕育而生的同时也产生了大量的互联网信息。网络平台上的用户评论是互联网信息的重要组成部分,这些评论的表达方式与普通客观文档的表达方式有所不同,这些评论中隐藏着大量的主观感情信息,这些评论里隐藏的情感信息对互联网商家、媒体和政府部门来说具有很高的参考价值。但仅通过人为挖掘这些隐藏的信息需要花费大量的时间和高昂的人工成本,所以对网络上的信息进行挖掘与分类,已经成为现今情感分析的研究重点。本文对酒店评论进行情感分析,挖掘其中隐藏的情感信息。本文主要工作如下:一、在基础情感词典的基础上,将模板规则法与点互信息法相结合,构建酒店领域情感词典。在通用词典的基础上扩展了否定词词典和程度副词词典。二、利用一构建的词典与依存句法结相结合,提出细粒度情感判别法。该方法首先将文本通过标点符号切分成一个个短句,根据依存句法,分析每个短句中的主题词、情感词、副词、否定词等词语,建立评价对象五元组,对文本里每个评价对象五元组分别计算情感极性值并进行求和,通过求和值的大小,来判断该酒店评论的情感倾向程度的强弱。三、由于情感分析中,词语之间语义联系和不同词语的重要程度容易被忽视。所以本文提出加权词向量文本表示方法。该方法首先使用Word2Vec训练文档词向量,然后通过TFIDF方法计算文档中特征词汇的权重,最后把特征权重与Word2Vec词向量进行加权,形成加权词向量文本表示。四、运用机器学习的方法对酒店评论进行情感分析。利用二提出的细粒度情感判别法来构建分类器的训练集,使用三加权词向量文本表示方法来生成词向量模型,通过词向量模型训练机器学习的分类算法,并用测试集对其分类效果进行验证。实验结果表明,情感词典与机器学习相结合的方法在分类的效果上有所提高。