随着互联网的迅速发展,针对特定的商品或同一热点事件下汉越社交媒体数据进行情感分析,能够把握两国舆情动态从而进一步开展关于热点事件分析、监测和预警任务,具有重大的研究价值和应用价值。面向社交媒体文本的汉越跨语言情感倾向性分析,存在越南语标注数据稀缺,情感表征映射难以对齐,评论特征学习不充分、语言知识利用不充分、语义表征不准确等研究问题,导致面向社交媒体的跨语言情感倾向性分析的准确率很低,针对以上问题,本文面向汉越社交媒体文本,主要完成了以下工作:（1）汉越社交媒体数据获取及情感语料库构建方法由于语言障碍和汉越社交媒体数据语料匮乏,并且很难获得高质量的汉越社交媒体数据标注语料,影响对于越南语情感倾向性分析的准确性。为了支持模型训练,通过爬虫技术,从微博、twitter搜集与关键词相关的社交媒体数据。根据不同应用场景下的汉越情感分类任务需求,研究设计相应的数据标注方法,构建汉越情感分类数据集,并根据任务需求进行数据标注。本章工作对后面的情感倾向性分析打下基础。（2）基于情感语义对抗的汉越跨语言情感倾向性分析方法任务旨在针对越南的商品评论进行情感倾向性分析,现有模型难以解决情感表征学习不充分,汉越跨语言情感表征映射不准确的问题,导致越南语等低资源语言的情感倾向性分析准确率较低。而情感词可以加强情感表征学习,对抗网络可以减小语言差异,因此考虑将情感词与评论特征进行融合,利用对抗的思想缩小汉越情感特征的差异。提出一种基于情感语义对抗的跨语言情感倾向性分析模型,将情感词与评论特征进行融合,利用对抗的思想缩小汉越情感特征的差异。利用对抗学习使模型学习到语言分布差异最小的表征,最终通过中文评论标签训练模型分类器完成情感分类任务。实验结果表明本文模型可以很好的实现双语情感语义对齐,相比最优基准模型准确率提高了2个百分点,取得了较明显的提升,且本文方法在差异性不同的语言对上都具有明显的优势。（3）基于图神经网络的汉越跨语言情感倾向性分析方法任务旨在对同一热点事件下的越南语评论进行情感倾向性分析,社交媒体评论存在表达形式多样化,上下文关系弱,表意不充分等问题,可利用汉越双语的正文来辅助对越南语评论的理解。同时评论文本数据中是存在一定的句法信息的,可以利用句法信息,帮助模型进一步理解其语义信息。因此本文提出了一种基于中越正文信息与越南语句法指导的跨语言情感倾向性分析方法,首先利用编码器及交叉注意力网络得到融合中越正文信息的越南语评论表征,然后应用图卷积模块对越南语评论的句法信息进行建模,提升了模型对越南语评论语义的理解,从而提高情感倾向性分析的准确率。结果表明提出方法相比最优基准模型准确率提高了2个百分点,取得了较明显的提升。（4）搭建面向汉语和越南语的社交媒体文本情感倾向性分析原型系统利用以上研究成果,设计并实现了面向汉越社交媒体文本的跨语言情感倾向性分析原型系统。该系统可以通过爬虫技术,根据用户给定的关键词,从微博、推特两大社交媒体平台采集关键词相关的社交媒体数据。系统利用本文提出汉越跨语言情感分析模型对收集到的数据进行分析和处理,为用户提供所需的商品及热点事件情感倾向性分析结果。系统采用B/S（浏览器/服务器）架构,集成了数据获取模块、数据分析模块以及页面展示模块,为用户提供了可视化的信息获取平台。