随着互联网上大量主观数据呈指数级增长,对这些丰富的数据进行分析得到了研究者的关注。同时,互联网全球化的速度加快,信息的多语种化特征也逐渐明显,因此,利用一些起步较早,研究资源丰富的语种帮助资源匮乏的语种进行研究,成为了研究者探讨的热点。本文通过对目前跨语言研究任务的主要方法进行学习和借鉴,提出了两种基于情感关联的跨语言文本情感分析方法。本文的主要创新点在于:(1)探究跨语言情感分类任务中双语种词典之间的情感词对齐关系,利用这种情感对齐关系可以将任意一种语言的评论在情感联系驱动的特征空间中转换为另一种语言的情感语义表达。同时在该方法中,引入了一种跨语言情感投票机制,来寻找准确的情感词的对齐关系,从而最终解决跨语言情感分析问题。(2)本文利用卷积网络,保留双语视图中的情感信息,然后将双语双视图卷积得到的情感语义向量映射到同一向量空间,两个向量之间的加权算术减法捕捉双语情感关系,最终将双语情感关系通过多层感知机映射为双语的情感标签,完成识别双语情感关系分类的任务。(3)本课题利用NLP&CC2013的测评数据,将解决跨语言情感分析的方法与传统方法以及最新深度学习等方法进行了一系列比较,表明了本文方法在跨语言情感分类的有效性和算法的稳定性。