情感文本指作者对人或物或事做出的有情感极性的评论性文本，其中情感信息包含评价持有者、评价对象、评价词，以及修饰成分，它反映了人们对事物的态度。文本情感分析指借助自然语言处理技术从情感文本中识别和获取情感信息的方法。但由于词的情感极性受上下文影响而难以准确判定，评价对象和评价词之间难以建立准确的对应关系，以及情感表达方式的多样性等因素，文本情感分析研究面临巨大挑战。近年来，大量学者针对词汇、短语、句子，以及篇章等不同粒度的情感文本展开研究，并尝试借助它提高产品推荐、自动问答，以及信息检索等系统的性能。基于统计机器学习的文本情感分析尽管作为主流情感分析方法受到广泛关注，但存在需要大规模标注语料用于模型的训练和评价以及无法通过持续学习提升性能等缺点。本文尝试借助适应性免疫原理构建新的机器学习模型克服上述缺点。首先，本文提出判断词汇和句子情感极性的半监督学习模型，尽管提高了挖掘情感词和句的精度，但也进一步暴露出基于统计机器学习的情感分析的不足，这成为构建新的机器学习模型的出发点；然后，受人体免疫系统与人类语言系统的相似性启发，构建基于适应性免疫原理的自治机器学习模型。借助浆细胞负向调节机制构建基于多主体复杂系统建模的人工免疫系统，搭建模型基础平台，进而通过将词汇模拟为参与免疫反应的细胞和分子构建多词主体自治机器学习模型；最后，借助该模型实现情感要素分析。主要研究内容包括以下四个方面：1.在基于统计机器学习的情感分析研究方面，提出基于集合相似并的半监督情感分析模型。该模型以情感流图为基础，首先，获取情感候选对象，进而借助情感词典构建情感流图，图中节点是候选情感词或者句子，而边包括两种：节点之间的语义关系以及节点的初始情感极性；然后，借助Ford-Fulkerson算法将该流图分割为子图；最后，借助集合相似并方法将所有子图中的节点合并为积极和消极两个情感集合，实现节点的情感极性判断，并且结合基于自训练的半监督模型进一步提高情感分析性能。2.在构建模型基础平台研究方面，提出基于浆细胞负向调节机制的人工免疫系统。浆细胞负向调节机制指出浆细胞可以与T细胞结合进而使T细胞死亡，实现负向调节T细胞种群的多样性，从而提高T细胞与B细胞交互效率，进而提高适应性免疫反应的效率。以克隆选择原理、负选择原理、独特型免疫网络原理，以及浆细胞负反馈机制为理论基础，以基于元胞自动机的多主体复杂系统建模为建模方法，将参与适应性反应的免疫细胞和分子模拟为主体构建人工免疫系统，实验表明该模型不仅能够实现对适应性免疫反应较真实的模拟，而且验证了浆细胞负向调节机制有效性。3.在新的机器学习模型研究方面，提出基于适应性免疫原理的多词主体自治学习模型。以适应性免疫原理为理论基础，以面向自治计算的多主体复杂系统建模为建模方法，将词汇模拟为参与适应性免疫反应的细胞和分子，词汇之间的关系模拟为免疫细胞或分子的受体之间的特异性关系，关系强度为受体间的亲和度来构建免疫词主体。在适应性免疫反应中，通过在免疫词主体的交互、克隆、变异和选择行为作用下，进行免疫词主体自治学习。在不断学习作用下，达到优化词主体间特异性关系（即词汇关系）的目的。4.在以上工作基础上，提出基于多词主体自治学习模型的情感要素分析模型。首先，构建情感要素分析目标函数。其次，将词汇模拟为参与适应性免疫反应的B细胞和抗原，通过模拟B细胞和抗原的受体、行为、状态、以及交互策略构建免疫词主体；最后，在适应性免疫原理作用下通过不断的免疫反应优化词汇之间的关系，进而实现优化评价对象和评价词之间的关系，达到提升优化目标函数的目的。综上所述，本文致力于通过模拟免疫细胞和分子在特异性免疫反应中的行为、状态，以及策略，进而基于适应性免疫原理构建多词主体自治机器学习模型，并将其用于克服现有文本情感分析方法的缺点，取得了一些初步的研究成果。随着该模型的进一步研究以及新的免疫原理的不断发现，相信基于适应性免疫原理的多词主体自治机器学习模型的研究在未来会取得更大的突破。