随着互联网的不断发展,各种网络信息正在爆炸式的增长,随之出现大量的微博、商品评论等信息,这些信息往往都带有一定的情感倾向性。因此,如何自动识别这些评论的情感倾向,在自然语言处理中显得日益重要。然而同分布的训练数据集的获取需要较大的代价,为此跨领域条件下的情感分类问题受到了普遍的关注。词汇是语句的基本组成单位,对词汇的情感倾向判别成为情感分类的研究重点。与单一领域条件下词汇情感倾向判别相比,跨领域词汇情感识别中存在情感歧义等问题,从而使得该任务面临着更大的挑战。本文针对跨领域条件下词汇情感倾向识别问题展开研究,主要工作如下：1)针对跨领域条件下评论信息中词汇的情感歧义问题,提出了基于基准词消歧的跨领域词汇情感倾向判别方法(COI)。该算法面向给定语料库自动提取基准词,并基于共现矩阵对其中具有情感歧义的基准词进行过滤,最后通过计算基准词与目标词的相似性,实现目标词汇的情感极性判别。实验结果证明了算法的有效性和可行性。2)针对跨领域情感分类中数据稀疏导致的情感词难以匹配问题,提出一种基于同义词的词汇情感倾向判别方法PCOI。该算法在COI算法基础上,通过挖掘目标词汇的同义词,利用同义词来代替语料库中无法匹配的目标词,使得基准词能够在语料库中得到很好的匹配,避免因数据稀疏而导致的匹配为空的问题,同时也可以有效利用目标领域的无标记信息,使实验效果有所提升。