情感计算是计算机技术领域中一项新兴的研究方向,人们在这一方向进行了大量的研究,情感计算的目的是让计算机也能够像人类一样去理解情感。目前情感计算最常用的方法就是基于情感词典的方法,但是目前普遍使用的几个情感词典都是一维的,它们只是简单地将情感词以及它的情感倾向性以链式的结构进行存储,但是同一个情感词在不同的评价对象类别或属性下可能会表现出不同的情感倾向性,这种情况是这些常见的情感词典无法解决的。为了解决这个问题,本文利用树形结构的特点提出了一种树形结构情感词典。在树形结构中同一个父结点下的子结点具有相似性,并且随着层次的加深和树分支的细化,这种相似性会变得越来越大;不同父结点下的子结点间的相似性很小,并且随着公共的祖先结点的减少,相似性会锐减。本文利用这个特点,将评价对象类别和评价对象对应的属性用树形结构存储,并将情感词添加到这个树形结构中,组成一个树形结构情感词典。这样在这个树形结构情感词典中每个情感词都对应一个属性或者评价对象类别,解决了同一个词在不同的评价对象或属性下可能会有不同的情感倾向性这个问题,并且由于在树形结构情感词典中每个子结点都是其父结点的一个属性或者一个子类别,父结点与子结点是包含的关系,所以每个结点都将它存储的情感词向它的父结点进行传递,这样就解决了在树形结构情感词典中对应属性或者评价对象下搜索不到情感词的问题。本文实验利用贝叶斯定理构建出一个具体的树形结构情感词典和一个链式结构情感词典,利用这个树形结构情感词典进行情感计算得到的结果与链式结构情感词典相比,在准确率上平均提升了9.78%;识别正向情感文本的精确度平均提升了10.40%,召回率平均提升了4.78%,F值平均提升了7.72%;识别负向情感文本的精确度平均提升了4.87%,召回率平均提升了20.84%,F值平均提升了12.99%。利用树形结构情感词典进行情感计算得到的结果优于传统的链式结构情感词典。本文的主要创新点是为了解决同一个情感词在不同的评价对象类别或属性下会表现出不同的情感倾向性的情况,提出了树形结构情感词典。本文重点研究了树形结构情感词典的构建和基于树形结构情感词典的情感计算这两大部分。在树形结构情感词典的构建部分,本文首先介绍了如何利用评价对象类别之间的关系构建一棵评价对象树,然后介绍了利用句法分析和关联规则的方法进行属性挖掘和情感词提取,最终构建了树形结构情感词典。在基于树形结构情感词典的情感计算这部分,首先介绍了在树形结构情感词典中搜索情感词的方法,然后介绍了如何判断情感词的情感倾向性,最后介绍了判断文本情感倾向性的方法。