随着web2.0的快速发展,用户变成了互联网内容贡献的主力,大量用户产生的主观性文本充斥了人们的视野。基于这些主观性文本的情感分析成为了近些年的研究热点。情感词典的构建是情感分析的基础工作,然而构建情感词典时存在不平衡语料问题,所以,针对这个问题的跨领域情感词典构建研究也正在获得越来越多人的关注。目前的跨领域情感词典构建方法大都需要很多的人工标注信息,这些标注信息需要投入大量的人力和时间才能得到,而且还不够可靠,针对这个问题,提出一种新的基于AF模型的跨领域情感词典构建方法,该方法仅需要源领域中有词语级的标注信息,就可以利用词语之间的上下文相似度来判断目标领域中词语的倾向性,从而构建情感词典。此构建方法主要分为三个内容,第一个内容是语料数据的预处理,主要对语料中的句子进行断句,分词等处理;第二个内容是源领域和目标领域AF模型的建立,将两个领域语料的预处理结果建立成AF模型;第三个内容是目标领域情感词倾向性的判定,此为所提出的构建方法的核心内容,其中基于AF模型提出了两个新的统计量——领域差异度和相对亲和度。领域差异度用来区分领域相关情感词和领域无关情感词,相对亲和度用于计算两个领域间的情感词的上下文相似度。在这两个统计量的基础上,结合建立的模型,给出一个倾向性判定算法。通过倾向性的判定结果,将判断出的正向情感词和负向情感词结合在一起就构成了目标领域的领域情感词典。最后,在COAE2011提供的评测数据基础上,将所提出的词典构建方法与SO_PMI方法、以及融合上下文的构建方法进行对比分析,验证本方法的有效性。除此之外,通过实验不同参数对所提出构建方法的结果影响,来分析此跨领域词典构建方法的特性。