社交媒体技术的进步和应用的普及,使得每天会产生难以计数的社交数据,如何对其进行高准确率的情感分析是舆情分析领域中的热点问题。这些热点问题主要分为两类,一是随着使用者年龄段的变化,社交数据从标准的文本逐渐往弱规则文本转变,二是科技的进步使得图片的上传变得容易,大量图像与文本结合的社交媒体数据取代了原有的纯文本数据。现有的情感分析方法大多是对标准文本数据进行情感分析,这些方法通过语法规则来协助判断情感词。同时,与文本同时出现的图像中在大部分情况下与文本所要表达的情感是类似的,因此对图文融合数据进行分析变得重要。当下对于图文融合的数据进行情感分析的方法较少,如何将文本与图像的特征进行融合仍是一个研究热点。针对以上两种问题,本文分别提出一种基于情感词典和神经网络结合的文本情感分析方法和一种图文融合的情感分析方法,并基于这两种方法设计实现了情感分析系统。本文的主要贡献如下:1.提出基于情感词典与神经网络结合的文本情感分析方法,其目的是实现对弱规则文本的情感分析。对情感词典进行了扩充并提出情感得分向量表示方式,然后根据情感得分向量与神经网络结合,实现对弱规则文本的情感分析。实验证明,本文提出的方法在以微博为代表的弱规则文本上有更好的准确率。2.提出图文融合的情感分析方法,其目的是实现对图文融合数据的情感分析。使用动态权重分配函数实现对文本与图像的情感分析结果在决策层融合的权重的动态分配,有效提高在文本长度过短或过长时的图文情感分析准确度。同时,结合本文提出的文本情感分析方法,使得该模型的文本情感分析部分对弱规则文本有着更好的情感分析效果。实验证明,本文提出的方法相比于固定权重分配的图文融合情感分析方法有更高的准确率。3.为了解决弱规则文本与图文融合数据的情感分析问题,结合本文提出的基于情感词典与神经网络结合的文本情感分析方法和图文融合的情感分析方法,设计并实现情感分析系统。该系统实现了对情感词典的上传,文本、图像以及图文融合数据的情感分析。用户可以在登录后,在可视化界面上完成上述功能。