在科技迅速发展的时代,人们青睐于在各类平台上发表观点,产生大量的评论文本如电影评论、产品评论等。针对这些评论信息进行情感分析,可以指引消费者购买商品和观影,协助他们快速地做出判断。此外,也为生产者带来改进意见,促进产品质量的提高。因此,对这些评论文本进行情感分析具有重要的意义和价值。评论文本不仅基数大,而且生成的特征表示维度高且存在信息冗余。特征选择能够过滤冗余信息,更有效地进行情感分析。然而,现有的基于特征选择的情感分析方法对所有评论数据进行特征选择,忽略不同类别的评论文本之间特征表示的差异性。除此之外,存在一些情感极性不明确的评论文本,给二分类情感分析带来阻碍。目前,三支决策理论是一种解决不确定性问题的热门方法,它将文本划分为三个域:积极域,消极域和不确定域。积极域和消极域包含情感极性明确的评论文本,情感极性不明确的评论文本构成不确定域。不确定域需要额外的信息进行二次划分。如何从确定域中获取足够的信息,处理不确定性数据是一个需要解决的问题。因此,针对上述问题,本文从不同类别的差异性以及评论数据集的不确定性出发,基于三支决策以及多粒度特征表示对二分类情感分析算法进行如下研究。本文的工作内容主要包括以下几个方面:（1）本文首先介绍情感分析研究的背景以及研究意义,接着调研目前进行情感分析的相关方法,以及情感分析中不确定性问题的处理方法;其次,介绍情感分析现有的特征表示方法及其不足之处,分析三支决策对于处理不确定性的优势;然后,基于三支决策的理论,介绍最小覆盖算法如何构建确定域和不确定域;接着,描述基于模糊商空间理论构建多粒度特征表示,为构建确定域上多粒度特征表示做根基;最后,介绍情感分析所采用的评价标准。（2）针对忽略不同类别特征表示之间的差异性,以及评论文本的不确定性,提出类别最优粒度特征表示的三支决策情感分析算法（CFRT）。首先通过模糊商空间理论（FQST）在积极域和消极域两个确定域上,分别得到m层和n层多粒度特征表示;接着,考虑积极域和消极域上特征表示的差异性,分别选取性能最好的作为最优粒度特征表示。结合三支决策的思想将测试集划分为积极域（POS）和消极域（NEG）以及不确定域（UNC）。其中POS区域和NEG区域采用积极域和消极域上的最优特征表示进行情感分析,对UNC区域使用原始特征表示进行情感分析。在IMDB和Amazon两个公开数据集上进行实验,结果表明,CFRT算法在二分类情感分析方面的性能显著提升。（3）针对CFRT算法最优粒度特征表示选择过程复杂度高且缺乏鲁棒性的缺点,提出多粒度特征融合表示的三支决策情感分析算法（RMFFR）。首先,利用基于三支决策理论的最小覆盖算法将评论数据划分为积极域,消极域和不确定域;接着,利用模糊商空间理论在确定区域内（积极域和消极域）得到多粒度特征表示,确定域上多粒度特征表示融合学习到鲁棒的全局特征表示;最后,利用确定域中得到的鲁棒特征表示对测试集中的不确定域进行二次划分,从而可以更好地进行二分类情感分析。在三个常用数据集（IMDB、Amazon、Yelp）上的实验结果表明,RMFFR算法具有鲁棒性且有效地提升二分类情感分析效果。