案件微博評(píng)論的情緒分類是一個(gè)特定領(lǐng)域的情感多分類任務(wù)，旨在快速有效地識(shí)別海量評(píng)論中的情緒有助于相關(guān)部門及時(shí)評(píng)估輿情風(fēng)險(xiǎn)和制定相關(guān)政策。由于傳統(tǒng)方法難以有效利用評(píng)論中常用的情緒詞和表情符號(hào)等情緒知識(shí)，本文提出一種融合情緒知識(shí)的案件微博評(píng)論情緒分類方法。首先，整合現(xiàn)有的情感計(jì)算資源構(gòu)建了個(gè)包含案件微博情緒詞典、表情符號(hào)、網(wǎng)絡(luò)用語(yǔ)、否定詞及程度副詞等的情緒知識(shí)庫(kù)。其次，考慮情緒知識(shí)庫(kù)和詞性的作用定義了15種情緒知識(shí)，通過(guò)提出的連續(xù)向量表示方法構(gòu)建評(píng)論的情緒知識(shí)表示。然后將評(píng)論的語(yǔ)義表示和情緒知識(shí)表示分別輸人一個(gè)語(yǔ)義初始化濾波器的卷積神經(jīng)網(wǎng)絡(luò)（ INIT-CNN）和一個(gè)結(jié)合注意力機(jī)制的全連接網(wǎng)絡(luò)中，得到深層的語(yǔ)義特征向量和情緒知識(shí)表示的注意力特征向量。最后，將兩個(gè)特征向量進(jìn)行拼接以融合語(yǔ)義特征和情緒知識(shí)特征，訓(xùn)練一個(gè)情緒分類模型，稱為EK-1 NIT-CNN（ Emotional knowledge enhanced INI-CNN）。在案件微博評(píng)論數(shù)據(jù)集上的實(shí)驗(yàn)表明，相比ICNN，EK- INIT-CNN的 Macro Precision、 Macro_ Recall和 Macro_F指標(biāo)分別提升了1.87%、1.95%和1.88%EK- INIT-CNN在 NPCC中文微博情緒分析評(píng)測(cè)數(shù)據(jù)集上的性能則超過(guò)了目前已知文獻(xiàn)中的最好結(jié)果。實(shí)驗(yàn)證明，該方法能有效地融入外部情緒知識(shí)，且相對(duì)傳統(tǒng)方法在情緒分類任務(wù)上具有明顯的優(yōu)勢(shì)。