【摘要】 本 研 究 提 出 一 种 基 于 预 训 练 模 型 （ ｂｉｄｉｒｅｃｔｉｏｎａｌ ｅｎｃｏｄｅｒｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｒｏｍ ｔｒａｎｓｆｏｒｍｅｒｓ， ＢＥＲＴ） 和 卷 积 神 经 网 络（ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ，ＣＮＮ）的网络舆情情感分析方法，旨在应对社交媒体文本中的情感复杂性。 首先，设计了一种新的情感分析架构，该架构将 ＢＥＲＴ 预训练模型与卷积神经网络融合，以有效捕获文本的上下文语境和局部特征。 其次，在深入研究ＢＥＲＴ 模型结构的基础上，构建了包括预训练层和 ＣＮＮ 卷积网络的分析方法。 最后，实验部分采用 ＳｅｍＥｖａｌ－２０１６ Ｔａｓｋ ４ 数据集，验证了所提方法在情感分析任务中的性能。 结果表明，该方法在准确率、召回率和Ｆ１ 分数等方面表现出色，可以成功应用于处理社交媒体文本中的情感分析任务。