短文本情感分析是自然语言处理的热点研究方向之一。使用基于深度学习的方法捕捉潜藏于文本的情感信息,是目前较为流行的一种短文本情感分析方法,但是它依赖数据集,在处理细粒度情感分析任务时准确率较低。基于情感词表与规则的方法常用于长文本分析。将这种方法引入细粒度短文本分析任务中,简称为混合词向量方法,利用情感词表能提取部分文本特征的特点,针对词向量语义稀疏的问题,改善词向量对文本的描述能力,提高细粒度短文本情感分析的准确性。用词在词表中的情感类别、文本的句法特征、文本包含的表情符号这几个情感元素构建情感元素向量,与词向量合成,构建混合词向量,输入深度学习网络的Embedding层。同时,采用双向长短时记忆网络搭配Attention机制构建深度学习网络。使用流行的短文本数据集——中文微博——评估了混合词向量方法的有效性与效率。将情感分析的粒度细分为厌恶、愤怒、悲伤、快乐四种,采用远监督的方式标注细粒度情感标签。实验证明,混合词向量方法能够有效改进短文本词向量表征能力不足以及情感特征不明显问题,显著改善细粒度短文本情感分析的准确性,在数据集上取得了69.63%的准确率,准确率提升了7.12%。