随着社交媒体和电子商务的迅猛发展,人们不仅仅局限于简单的浏览网页,越来越多的人开始参与了网络的信息发布。例如,对购买商品的评论、对所见的人或事发表自己的见解评论等。用户的这种行为将产生大量的文本信息,这些信息常常包含一些用户对产品、人或服务的体验、态度、看法等。文本情感分析就是从这些海量文本中挖掘那些带有主观色彩的有价值的信息。然而用户在网上发表评论时,并不总是采用简单直接的言论,往往会采用大量的语言技巧,如排比、比喻、拟人、反讽和反问等修辞手法。这种修辞手法的应用无疑对文本的情感分析带来了很大的挑战。本文针对修辞手法中的反问句,以真实的中文微博为实验语料,开展反问句的识别和情感判别研究。主要研究工作如下:(1)反问句问题分析。当用户采用某种修辞手法进行情感表述时,句子中可能并不含有明显的情感词汇。将这些不包含显式情感词但又能够表达主观信息的句子称为隐式情感句。据我们统计,反问句在隐式情感句中大约占12.31%,若能够有效的识别反问句的情感,将提升隐式情感分析的整体效率。因此,本文以反问句为研究对象,分别从反问句的句式结构和语义特点两个方面进行分析。并对中文微博进行隐式情感标注,从标注的隐式情感句子中搜集整理了2580条反问句。在此基础上,结合语言学家对反问句的研究成果,整理了28种反问特定句式结构。(2)反问句识别。本文根据反问句的句式结构特点,将反问句的特征融入到卷积神经网络的构建中,提出一种融合反问特征的卷积神经网络的反问句识别方法。为了验证本方法的有效性,在标注了反问的微博语料上与SVM、CNN和LSTM等方法进行了对比实验,结果表明,本方法的效果最好,反问句的识别精确率、召回率和F1值分别达到了89.5%、84.2%和86.7%。(3)反问句情感判别。反问句不同与其他修辞手法,它在语义上常常是强调某个方面的同时也表达了对所强调信息的主观性看法。本文依据反问句这一特点和句中包含的情感信息,设计了基于多特征融合循环神经网络模型,用于反问句的情感判别。本文实验的微博数据反问句情感信息分别标注了正面、负面和中性三类,并与其他方法进行对比实验,实验结果表明,利用该方法对微博反问句情感判别的宏平均精确率、召回率和F1值分别达到90.5%、84.7%和87.5%。