情感分析已经应用于软件工程各个领域,例如APP评论、Stack Overflow技术问答网站和开发人员对API的意见等。通用的情感分析工具大都是基于电影评论或产品评论进行训练的,不适合用于软件工程领域的情感分析。研究表明在软件工程领域,通用的情感分析工具表现出了消极的结果。因此为软件工程领域定制情感分析工具是非常必要的。近来软件工程领域的情感分析得到了广泛的关注,兴起了为软件工程领域定制情感分析工具的热潮。Senti Strength-SE、Stanford Core NLP SO、Senti CR、Senti4SD等情感分析工具接踵而来。研究表明为软件工程定制的情感分析工具与通用的情感分析工具（Senti Strength、Stanford Core NLP）相比较,在准确率、精确率和召回率等方面都得到了较大的提升。尽管有许多研究人员在软件工程的情感分析上投入了大量的精力,但是在使用定制的情感分析工具的过程中依然存在许多问题。现有的软件工程情感分析工具大多都是基于单一文本进行训练的,对其他软件工程文本特征的融合程度较低,所以泛化能力比较弱。本文围绕面向软件开发的情感分析展开研究,针对当前存在的软件工程领域情感分析工具做一个详细的论述以及结合前人的工作经验,提出了面向软件开发的情感分析方法。近年来,基于Transformer的预训练模型在自然语言处理领域带来了巨大的突破。因此,我们提出了一种基于BERT的方法用于下游文本分类任务。我们比较了定制的软件工程情感分析工具的分类性能。同时,我们还研究了跨平台环境下定制的软件工程情感分析工具的泛化性能。实验结果表明,我们的方法（BERT-FT）在F值方面优于现有的最优模型。