伴随着移动互联网以及智能终端设备普及范围的不断扩大,读者获取新闻资讯的途径越来越丰富,在这样的背景下移动新闻客户端成为了读者最主要的新闻获取渠道之一,相较于报纸、电视等传统新闻媒介,其优势是新闻媒体与读者双方的互动更为密切,具体表现为读者在阅读新闻后通常会以发表评论的方式反馈自己的看法,同时媒体也会通过发起投票等形式主动获取读者的情感态度。为了帮助新闻媒体更便捷地获取读者的情绪反馈,同时尽可能多地挖掘出读者评论中蕴含的价值,本文希望能够找到一种有效的自动情感挖掘方式。文本情感分析的方法多种多样,从依靠情感词典及句法结构,到依赖人工挑选特征的机器学习方法,再到实现了自动特征提取的深度学习方法,文本情感挖掘工作越来越高效且准确性不断提升。本文分析并总结了读者情绪分析的研究现状,结合目前深度学习领域新提出的胶囊神经网络模型,深入研究了对由新闻引发的读者情绪进行自动判别的方法,主要工作内容包括:第一,本文摒弃了传统“非褒即贬”的二分类方法,综合考虑常用的文本情感划分方式及真实新闻评论数据集的情感分布特点,最终确定将读者评论划分为“愤怒”、“悲伤”、“支持”、“其他”四个类别。第二,本文融合了读者评论、新闻报道、“热门评论”的点赞情况三个数据源,借助多源数据来实现更全面且准确地挖掘读者情绪的目的。第三,本文探索性地将原本适用于图像识别领域的胶囊神经网络应用到自然语言处理任务中,调整了其网络结构,并依据文本类数据的相似性度量方式改进了模型中的动态路由过程,优化了分类效果。本文在真实的新闻评论数据集上进行了对比实验,比较了本文的分析方法与传统分类模型的效果差异,结果表明相较于已有的读者情绪判别方法,本文所使用的基于胶囊神经网络的多源新闻评论细粒度情感分析模型能够更准确地识别出读者的情绪。