摘要：提出了一種面向情緒分類的融合詞內部信息和情緒標簽的詞向量學習方法。在CBOW模型的基礎上，引入詞內部成分和情緒標簽信息，以適應微博情緒表達的不規范，同時豐富詞向量的情緒語義。對于輸入文本，按照詞的TF—IDF權重對詞向量進行加權求和，以作為文本向量表示。以上述詞向量或文本向量作為情緒分類器的輸入，采用機器學習的分類方法（LR、SVM、CNN），驗證本文情緒詞向量在情緒分類任務上的實驗效果。實驗表明，情緒詞向量與原始CBOW詞向量相比，在準確率、召回率、F值等各項指標上都有更好的表現。