随着互联网的不断发展,网民的数量逐渐增多,网络信息也呈爆炸式增长。这些信息基于用户的真实体验,蕴含着巨大的价值。目前可以使用情感分析技术挖掘其中的情感与观点,然而由于许多时候人们不直接通过情感词,而是选择“隐晦”地表达其真正想说的意思。隐式情感分析可以较好地处理这类问题。由于这类问题有一定的占比、不容忽视,且目前受到的关注较少,因此本文聚焦于隐式情感分析技术,对其中的各种任务做出研究。本文的主要研究工作如下:1.构建隐式情感分析数据集,来源为新闻评论。由于目前隐式情感分析领域的公开数据集与本文的研究内容不符,最终选择自行标注数据集。详细介绍了构建过程与标注规则,并且分析了其主题与类别分布。2.新闻评论显隐式情感分类。事先判断出句子中包含的是显式情感还是隐式情感有助于采用不同的方法对其作出更好的研究,故该任务是后续任务的基础。本文针对该任务提出了BCRNN模型,同时对比了传统机器学习模型、集成学习模型以及深度学习模型的表现。3.隐式情感极性分类。情感极性可以极大地帮助我们理解用户的态度,可以说是最重要的任务。本文针对该任务提出了ECRNN模型,并且结合各种机制以便更好地识别情感极性。4.隐式情感表达方式分类。由于自然语言表达的丰富性以及类别分布不均的特性,该任务较为困难。本文针对该任务提出了AXCRNN模型,同时对比了不同的训练集规模、以及不同的利用无标注数据的方法的表现。5.搭建了新闻评论隐式情感分析原型系统。系统可以方便结果的展示与使用。完成的系统界面简洁,使用方便,实用价值高。