网络信息技术近些年来飞速的发展,互联网对人们生活的影响已经渗透到了各个方面。人们通常习惯于通过文字来传达自己对这个世界里的商品、事物以及人的看法,而互联网就充当了这个时代下的一个价值媒介。人们通过文字在互联网下进行交流以传达各自的情感,借助这种广泛的沟通方式,实现了高效而又便捷的信息和价值观传递。故挖掘互联网环境下文字及其传递的情感关系,不仅仅是对促进NLP领域的研究和发展有着推动作用,还对人们实际的生活中有着实在的价值。简单来说,我国机构对于网络舆情事件的处理与分析,一方面传递了政府对于类似事件的情感倾向,另一方面也为日后同类型的事件起了很好的导向作用。本文研究工作主要包括以下内容:(1)本文基于如何能提升模型的文本特征提取的有效性的考虑,对传统的模型进行一些扩展和改进。本文考虑到现实中中文的外部信息对于文本的情感有一定的影响,对于文本情感分类能提升一些准确性,于是将文本的主题通过相关的技术提取出来,构建了HLB和HLC这两个基于主题融合的情感分类模型。然后经过试验证明模型是有效的,说明特征融合的思路的可行性。(2)本文针对当下互联网文本长短不一,并且有一些噪音类的瑕疵,基于上文特征融合能增强情感分类效果的思路,提出一种集成了传统的两种深度学习模型、更加强健的文本情感分类的模型HCB,然后基于此试图融合注意力机制,使得本文提出的CB-Att(Hybrid CNN and Bi LSTM and Attent H ion)模型能更好的提取出文本的局部信息和上下文的信息。最后设计了几组对比实验,证明模型的分类性能有提升,而且优化后的模型是有效的。