随着社交网络的不断发展,网络在人们的交流中开始占据重要地位,产生了包含用户情感的大量评论,如电影评论、产品评论等。通过对这些情感信息的收集、整理和分析,可以更好地了解用户的行为,对企业的经营有很大的帮助。以往的情感分析工作大都是依靠大量的人工、物力来完成的。利用深度学习的方法,自动地处理大量文本,并对情感倾向进行分析,是当前的一个热门课题。在利用方面级情感分析获得对实体不同方面的情感极性后,进一步综合实体各方面情感建立对实体的整体情感,即融合方面词情感的句子级和文档级情感分析在实际应用中也具有重要意义。本文对方面级文本情感分析的研究状况作了概括和归纳总结。针对方面词提取问题,本文提出了融合词性的方面词抽取模型;针对句子级和文档级情感分析,提出了融合方面词及情感极性的文本情感分析模型。本文的主要工作如下:（1）提出了融合词性特征的方面词抽取模型。利用通过BERT预训练模型,可以获得更好的前后文语义信息。同时使用Universal POS tags工具进行词性标注并使用Word2Vec将词性向量化,将词性向量送入自注意力机制层,通过自注意力机制获取词性之间的关联。最后将词性向量与词向量融合,通过softmax层获得方面词抽取结果。（2）提出了融合方面词及情感极性的句子级情感分析模型。在输入层使用BERTSEP生成加入方面词的文本输入序列,然后通过注意力层获取每个方面词的权重,得到每个方面词对句子整体情感的影响。最后通过一个五层的卷积神经网络（CNN）获得情感分类。实验结果显示,本文所提出的模型在解决传统的句子级文本情感分析问题上是比较有效的。相较于已有的传统方法,F1值有了提高。