随着新闻媒体的发展,越来越多的网民通过官方微博、官方微信公众号、新闻客户端等途径来了解热点新闻,然而由于新闻的数量巨大且不断传播、存在重复的新闻等,导致单靠人的浏览和阅读很难系统的整理出所有新闻、并从中提取出有价值的信息;同时另一方面,大量的文本使得决策者难以客观的评价新闻的准确性并做出及时的回应,例如辟谣等。最好的情感分析模型能深度学习文本,并且在预测文本的情感极性上可以达到80%至90%的准确率。很遗憾,尽管有很多应用已经做到分析文本的情感,但这是远远不够的。为了使得情感预测能够被更好的应用,决策者需要知道是什么原因导致的这个情感。舆情分析系统中,决策者需要知道哪些根源性的问题导致的舆情分布,而这目前在热点事件中的民众情绪分布原因较少涉及。情感原因抽取任务目标就是从带有情感色彩的长句中抽出含有原因的子句。本文将从以下三个方面研究:基于条件随机场的情感原因抽取、基于神经网络结合条件随机场的情感原因抽取、基于记忆网络的情感原因抽取。实验结果表明基于条件随机场的原因抽取要优于基于知识库、基于规则的方法;基于神经网络结合条件随机场的模型识别非原因子句有极大帮助;基于记忆网络的原因抽取、相同词向量矩阵的记忆网络、结合注意力机制的记忆网络、增加上下文窗口的记忆网络是有助于实验效果的提升的,同时更改问句的方式、更改句子长度、更改层数大小对实验结果都有直接影响。