汉越双语新闻文本的观点句抽取及其情感倾向性分析方法研究是指针对某个特定事件,中国媒体和越南媒体对其进行的新闻报道评述表达了怎样的观点和情感倾向。其意在帮助人们可以迅速地从大量的相关新闻文档中获取某篇新闻的情感倾向,从而了解到不同国家的人们在面对同一事件时都是从哪些不同的方面对新闻事件所持有的观点、态度以及情感的倾向,这对预测社会舆论的走向起到指示作用,具有重要研究意义。与通用的跨语言情感分析方法不同的是,本文认真分析了汉语和越南语新闻文本的特征,分析句子关联关系在情感分析过程中的作用,在基于双层编码和双向LSTM等深度学习网络框架下,研究了跨语言新闻文档观点句的识别和情感倾向性分析方法,本文面向汉语、越南语新闻文本,主要完成了以下工作:（1）汉语、越南语新闻文本的获取和数据集的构建。本文通过基于模板的新闻数据抓取方法,为特定新闻网站编写对应的Xpath路径来获取指定的新闻数据。根据观点句识别和新闻文档情感分析的任务需求,在爬取到的24639篇双语新闻文本中选择最具代表性的热门事件“中美贸易战”、“一带一路”、“中越防务合作”,在这三个话题下人工标注了共计200篇文档,2832个句子的用于观点句抽取和情感分析的汉越双语新闻文本数据集。（2）提出了一种基于句子关联图的跨语言多文档新闻观点句识别方法。由于通用的观点句识别任务,不管是单语言还是跨语言,都将其作为一个基于句子内部情感特征的分类任务,然而,关于不同句子之间的关系对观点句识别的影响却鲜有人关注。因此,本文提出通过构造句子之间的关联关系的无向图来表征多语言、多文档句子之间的关联特性,并结合深度学习框架,融合句子编码特征和关联特征实现观点句分类。首先提取汉越双语句子的情感要素和事件要素,构建句子关联图,利用Text Rank算法加强计算句子关联特征;然后基于双语词嵌入和双向LSTM实现汉越双语新闻编码在同一个语义空间;最后联合考虑句子编码特征和关联特征进行观点句识别。实验显示,该方法在汉语、越南语多文档新闻观点句识别任务上取得了还不错的结果。（3）本文为了对汉语、越南语新闻文本的情感倾向性进行分析,提出了一种基于句子关联图的汉越双语观点句情感倾向性分析模型。针对越南语新闻文本情感分析效果较差的问题,该方法首先通过建立输入为汉语新闻文本和越南语新闻文本的双层编码Bi LSTM分类模型,目的是将两个在不同空间的向量映射到同一个向量空间内,在同一向量空间里对向量进行编码,从而可以得到汉语、越南语新闻文本的相关信息。在句子级编码层生成文档向量时,加入情感要素注意力向量,同时利用汉语和越南语新闻文本中的句子构建句子关联无向图;最后将文档向量和句子关联特征加权求和,对整篇文本进行情感倾向性的判别。实验结果证明了该方法可以更好地捕捉到新闻的情感信息,提高了越南语新闻情感倾向性分类的效果。（4）搭建面向汉语和越南语的新闻观点句抽取和新闻文本情感倾向性分析原型系统。利用前三点研究成果,设计并实现了面向汉-越新闻的情感分析原型系统。集成了数据获取、观点句识别模型和情感倾向性分析模型,将信息可视化的展现在用户面前。