政治协商制度是我国的一项基本的政治制度,每年各地都会召开政治协商会议,各级政协委员对国家大政方针和群众生活的重要问题进行政治协商,并提出相应提案或建议,仅湖南省2019年的提案就有1100多条,提出的微建议将近15000条,全国各级政协委员提交的提案总数将更多。采用技术手段对政协委员形成的微建议进行情感倾向性分析,并针对情感分析的结果做热点主题发现,从而可以从中获得准确的社情民意,为政协委员提供信息技术支持。目前来说,还没有出现利用自然语言处理、深度学习等相关技术对政协微建议做情感倾向性分析的相关研究。因此,本文将利用相关技术,设计并实现一个基于政协微建议的情感倾向性分析系统,并利用这个系统为政协委员提供相应的技术支持。本文首先分析了循环神经网络模型存在的缺点以及LSTM模型解决RNN型网络长期依赖问题的方法。通过整理收集到的政协微建议数据,利用深度学习中常用的LSTM模型,提出了一种通用的情感分析方法,即利用常用的Word2vec词向量技术和LSTM模型进行情感分析。将预处理后的文本通过Embedding层向量化处理,再送入LSTM模型进行特征提取,最后通过Softmax分类器进行情感分类。此外为了进一步提高LSTM模型在政协微建议情感倾向性分析上的性能,从数据和模型两方面提升情感分析的准确率,提出了一种细粒度的多主体混合的情感倾向性分析方法。一方面从数据入手,对于包含多个主体对象的文本数据来说,通过命名实体识别的方式从中识别出相应的主体信息及其对应的情感观点信息。另一方面从神经网络模型入手,构建Bi-LSTM模型,相较于LSTM模型它能提供完整的过去和未来的上下文信息。通过融合这两方面的信息,可以进一步提高情感分析任务的准确率。结合上述两项工作,本文设计并实现了政协微建议情感倾向性分析系统。该系统能够实现对政协委员发布的微建议进行情感倾向性分析。