随着社交网络的不断发展,情感分析作为挖掘用户意见信息的手段,已经成为自然语言处理领域炙手可热的研究方向。然而文档级情感分析还存在着诸多挑战,一方面,文章中作者修辞手法的运用会对情感倾向的判定造成影响,另一方面,文档中存在大量与作者态度无关的句子也会干扰到情感分析的结果。因此,本文提出了基于修辞结构解析的文档级情感分析方法和基于意见与非意见部分分离的文档级情感分析方法,不再将文档视为一个整体去处理,而是从结构的角度解决以上问题。在基于修辞结构解析的文档级情感分析方法中,首先将文档解析成修辞结构解析树,接着利用基于词典的方法和基于递归神经网络的方法对基本语篇单元的情感值进行计算,最后,利用基于规则的方法,沿着修辞结构解析树自底向上递归地计算语篇单元的情感值,从而得到整个文档的情感值。在基于意见与非意见部分分离的文档级情感分析方法中,首先利用人工标注的数据集训练将意见和非意见部分分离的分类器,然后用此分类器将训练集和测试集的文档中代表作者意见的部分进行提取,最后用训练集中意见部分训练情感分析分类器,利用该分类器直接对测试数据集中的意见部分进行情感极性判断。实验结果表明,基于结构的文档级情感分析方法在准确率上比对比方法有着较大的提升,证明了本文方法的有效性,而且,基于修辞结构解析的文档级情感分析方法有着良好的域无关性,基于意见和非意见分离的情感分析方法有着较好的泛化能力。