互联网的快速发展使得电商和论坛等平台已经成为民众日常生活的重要组成部分,海量的含有情感色彩的文本也因此被用户发布在社交媒体平台上。研究者在研究这些文本时发现部分文本显露出情感倾向却在表达中不含有情感词语,并根据这一特点将针对该类文本的情感分析技术定义为隐式情感分析。中国人在表达自己对外部事物的好恶时历来语言是相对含蓄的,因此有大量的隐式情感语句存在于社交媒体平台上的情感文本中。对中文隐式情感分析的研究有助于有效改善情感分析任务的性能。本文基于图神经网络技术,针对隐式情感语句情感特征弱、情感倾向与文本上下文语境具有一致性、表达具有相似句法结构的特点,开展了如下工作:（1）提出了一种融合词性和句法信息的异构文本图构建方法。该图具有节点标签和边类型,在保留文本结构的同时能够有效的表示词性和句法信息。图中设置句子和词语两类节点,利用词性标注工具为词语节点赋予标签,句子节点的标签被设置为句子;词语之间的边依靠依存句法分析工具对语句进行分析,从句法依存关系中构建,词语与句子之间的边依据词语与语句的关联关系构建,句子之间的边依据语句在文本中的顺序关系构建,相对应的各边属于各自的关系类型。（2）针对现有研究没有对语句句法关系进行充分利用的问题,在异构文本图的基础上提出基于关系-加权图卷积网络（Relational-Weighted Graph Convolutional Network,RWGCN）的中文隐式情感分析模型,其中RWGCN在GCN上为不同关系设置不同的权重映射矩阵,并利用目标节点与邻居节点的节点表示、节点标签和边关系类型共同计算邻居节点的权重。在中文隐式情感分析数据集SMPECISA2019上的消融实验与对比实验结果说明,本文所提出的方法能够更好的利用句法信息并提升分类效果。（3）针对隐式情感语句情感特征弱、情感倾向与上下文语境具有一致性的特点,在上述工作上提出了基于多注意力图神经网络（Multi-Attention Graph Neural Network,MAGNN）的中文隐式情感分析模型。其中MAGNN在GCN节点更新中,设计了语法语义注意力机制用于聚合邻居节点中重要的语法和语义特征,引入情感词典设计了情感词引导的注意力机制来聚合情感特征较强的邻居节点。在第（2）部分的研究中,本文选择的是隐式情感语句与上下文一体构图,上下文语境信息通过语句节点之间的边传递到隐式情感语句中,但在有限的聚合次数中,远距离的上下文语句信息难以被传递。为解决上述问题,此模型分别对隐式情感语句和其上下文进行异构文本图构建,并在隐式情感语句文本图的节点更新中设计了上下文注意力机制用以融合上下文文本的全局信息。在SMP-ECISA2019上的消融实验与对比实验结果表明,该模型提升了分类效果。