文本情感分析是自然语言处理领域中一项重要任务。随着互联网的不断发展,网络上出现了大量的文本数据,这些数据携带着人们的观点、情感等主观信息,对其进行情感分析可以为企业和政府的决策提供支持。本学位论文以互联网上的评论等文本数据作为研究对象,发现评论文本使用了反讽修辞,这会影响到情感分析的准确性,在分析了现有反讽文本识别方法及情感分析方法的不足后,对模型进行改进创新,主要研究工作如下:1.在反讽文本识别方面,针对现有反讽文本识别方法缺乏对文本主题的关注,忽略了反讽句子中存在情感极性相反词对这一重要特征的问题,提出一种基于主题模型和词汇间注意力分数的反讽文本识别方法。首先,使用预训练的word2vec对文本进行词向量嵌入,以获得文本特征词汇的向量表示。其次,融合主题模型、词汇间注意力分数部分以及双向长短期记忆网络构建了多通道的向量处理模块,弥补了反讽文本识别方法对文本主题忽视的缺陷,并且关注了当前词汇与其他词汇情感极性相反的现象。然后,引入注意力机制,突出向量处理模块中反讽识别相关特征。最后,在两个中文数据集、Riloff和Ptacek两个英文反讽文本数据集上进行实验,结果表明,本论文所提方法性能优于现有反讽文本识别方法。2.在文本情感分析方面,针对情感分析方法Caps Net中,特征提取不足、忽略了文本位置特征、没有充分利用文本多元语法特征的问题,提出一种融合位置特征的改进Caps Net情感分析方法。它主要由词嵌入层、多尺度特征融合层、改进的k-means胶囊层以及情感分类层四个部分组成。其中词嵌入层将文本特征与文本位置特征相融合,以丰富词嵌入层输入;多尺度特征融合层使用不同尺度的卷积核获取文本的多元语法特征,弥补短文本特征词汇不足的缺陷;改进的kmeans胶囊层使用统计学公式寻找数据集最密集一点对初始值进行赋值,以减少数据集中孤立点的影响;情感分类层用来判别情感倾向。此外,运用第三章的反讽文本识别方法作为情感分析的判别条件。在Restaurant和Laptop数据集上进行实验分析,结果表明本文模型在情感分析任务上优于其它现有模型。