社交网络已经成为人们现代生活中必不可少的一个部分,逐渐改变了人们很多传统的习惯。人们浏览新闻的途径已经从纸张阅读逐步趋于线上,新闻媒体可以通过社交网络发表新闻评论,同时社交网络的交互性也给网络中的所有用户都提供发表言论的平台,社交网络的作用当然也不只限于此。随着网络的发展,人们生活中的衣食住行都可以通过互联网进行消费,而为了提升用户体验,产品评论体系也逐渐完善。无论是新闻评论还是产品评论都夹杂着作者对于某一事物的情感倾向,因此本文针对社交网络中的两大领域(新闻评论领域与产品评论领域)展开情感分析研究。针对新闻评论领域的研究,本文从社交网络中新闻评论的作者和内容两个方面展开。首先,从新闻评论的作者出发,针对一些官方新闻评论的发布者—新闻媒体,本文提出了一种事件层面的新闻媒体影响力评价方法,综合了社交网络的网络结构以及用户行为,并选择对以新疆暴恐事件为代表的突发社会安全事件领域进行研究。该研究从新闻评论的作者出发,量化其影响力。实验结果显示,各国新闻媒体在不同事件中的影响力存在差异,同类型事件因其发生地不同导致事件的影响范围也不同,同时也从侧面反映了各国政治立场的差异。其次,从新闻评论的内容出发,本文完成了面向新闻评论的立场检测研究。立场检测作为情感分析任务,其主要目标是预测一特定话题下相关评论对于此话题的立场倾向。针对现有研究大多只考虑了文本与目标词之间的关联性,本文提出了基于知识图谱的模型和基于句法学习的模型。前者为了拟合人类做判断的习惯,利用模型给机器提供了一系列常识性知识辅助预测新闻评论作者对某一话题的立场倾向。实验结果显示利用常识性知识可以较好的学习到更深层的隐性关系。后者通过学习文本的句法结构来深层挖掘文本中的语义信息,实验结果显示,句法学习在立场检测任务中发挥了很好的作用。立场检测对舆情监控有很好的应用价值。针对产品评论领域,本文选择对一种新型的产品评论模式—问答型产品评论进行情感分析研究。问答型的产品评论与传统的产品评论不同,一问一答的形式,答案对于问题具有更明确的对应性。对问答型产品评论的情感分析任务是可以视作一种特殊的方面级情感分析任务,针对此本文提出了一种基于BERT的模型。实验结果显示,该模型良好的性能和泛化能力。该研究可以帮助用户更加了解产品,也可以帮助商家进行产品升级。