政府公信力研究对于掌握事件发展,把控舆情走向,指导政府自查都有着格外重要的意义。当前的政府公信力研究主要依靠调查问卷、访谈等传统的社会科学研究方案。在大数据时代的背景下,海量的网络数据为政府公信力研究提供了新的视角。本文以政府公信力为研究背景,以情感分析任务为研究着眼点,创新性地提出了基于语境和注意力的实体情感分析方法,以及涉政领域情感多任务判别方法。具体工作如下:首先,提出了基于语境和注意力的实体情感判别模型(SBAN)。一方面,通过重复考虑实体的语境信息来强调语境信息的重要性;另一方面,通过设计基于实体的注意力机制来挖掘上下文对于实体情感判断的影响力。借助公开数据集SemEval 2014进行效果评估,SBAN超越了9大对比模型,取得了较好的效果。其次,提出了涉政领域情感多任务判别模型(FSMN)。模型把领域识别任务与情感判别任务合并,通过将新闻文本与评论文本的特征做交叉融合,提升各部分的分类效果。在此基础上,进行了政府公信力现状实证分析。最后,设计了政府公信力评价系统平台。从软件工程角度,完成了政府公信力评价的可视化工作。内部集成政府领域事件检索、事件浏览、事件分析等功能,为用户全方面、多角度呈现政府公信力现状。本文以文本情感分析作为切入视角,提出了两种文本情感分析模型,是基于深度学习的情感分析方法的很好补充。同时,又针对政府的公信力现状,展开实证分析,通过发挥大数据时代海量网络数据的优势,为当下政府公信力研究提供了方法指导和数据支撑。