随着互联网的迅速发展,对相同事件下汉越社交媒体数据中的关注对象进行识别、对齐并针对相应对象进行情感分析,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。面向社交媒体文本的汉越跨语言对象级情感分析,存在越南语标注数据稀缺,观点对象难以表征,情感表征映射难以对齐,评论特征学习不充分等研究问题,值得深入研究。本文研究面向社交媒体文本的汉越跨语言对象级情感分析方法,主要从以下几个方面开展研究:（1）汉越跨语言对象级情感分析数据集构建:由于缺乏公开的汉越跨语言对象级情感分析语料,本文构建了汉越跨语言对象级情感分析数据集。首先从不同社交媒体平台,如新浪微博和推特中采集到热点事件相关的社交媒体评论数据。其次,根据汉越跨语言观点对象识别任务和汉越跨语言情感分类任务的不同需求进行数据标注,构建出汉越跨语言对象级情感分析数据集,为后面的研究提供数据支撑。（2）基于图神经网络的汉越跨语言观点对象识别方法:任务旨在围绕相同事件下汉越评论中的观点对象进行识别和对齐,现有的研究方法应用存在越南语标注数据稀缺,跨语言评论关联复杂,观点对象表征比较困难等问题。考虑到在讨论相同事件时,汉越评论之间存在相同的观点对象,利用图结构能够解决关联关系复杂的问题,通过节点之间的信息传递加强对汉越观点对象的表征学习。因此本文提出了一种基于图神经网络的汉越跨语言观点对象识别方法。通过构建包括汉越评论和关键词的异构图,有效地建模汉越评论中的复杂关联关系,利用图结构来实现邻域信息聚合和评论节点更新,在汉越跨语言观点对象分类数据集上进行实验,结果表明提出的方法相较于基准方法性能有明显提升。（3）融入观点对象特征的汉越跨语言情感分类模型:任务旨在针对汉越评论中的观点对象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。考虑到观点对象信息对加强情感表征学习,减小语言差异的作用,考虑将观点对象特征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。提出一种融入观点对象特征的汉越跨语言评论情感分类模型,通过门控机制将观点对象表征与语义表征进行融合编码,并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能更快拟合出语言分布差异,得到更加丰富的情感表征,实验结果对比基线模型都有明显提高。（4）汉越社交媒体评论观点对象分析原型系统:基于上述相关理论研究,本文设计并提出一个汉越跨语言对象级情感分析原型系统,该系统采用Vue框架进行开发搭建,通过element-plus进行设计,系统利用Flask将模型转换为可供调用的API接口整合到系统中,该系统集成了汉越社交媒体评论数据采集、汉越社交媒体评论观点对象识别和汉越社交媒体评论情感分类等功能,为相关用户提供可视化的对象级情感分析平台。