文本风格转换（Text Style Transfer）旨在对文本进行改写以满足目标风格,同时保留其原始语义内容。文本情感转换（Text Sentiment Transfer）是文本风格转换的重点研究内容,传统的文本情感转换主要集中在积极（positive）和消极（negative）这两个情感极性的转换上,转换粒度较为粗糙,难以应用在复杂的情感转换任务上。并且传统的文本情感转换方法倾向于将文本的语义内容和情感内容分开,然而这两个因素在一定程度上很难完全分开,并且这对于文本改写也是不必要的。细粒度文本情感转换（Fine-grained Text Sentiment Transfer）将情感转换扩展到更普遍的场景中,在给定情感强度值为1到5的情况下修改文本。强度1到5的情感值分别对应于强消极、弱消极、中性（neutral）、弱积极和强积极五种情感。为了更好地实现文本细粒度情感转换,针对现有文本情感转换方法的不足,提出了基于依存句法分析的细粒度情感转换模型（Fine-grained Text Sentiment Transfer Model Base On Dependency Parsing,FGSTDP）和基于语言模型的细粒度情感转换模型（FGSTDP+LM）。这两种模型在原始文本上直接进行修改,并将情感强度值作为解码器的额外输入,以实现细粒度的情感控制。由于观察到文本中情感词（例如,“delicious”）与特定的非情感上下文词（例如,“food”）具有紧密关系,因此可以使用依存句法分析来捕获句子中与情感词有特定依存关系的上下文词汇,以此构造伪并行句子对。利用伪平行句子与生成句子之间的差异以及其他约束条件来指导模型精确修改文本并保留原始语义内容,以减轻模型的负担。FGSTDP+LM在FGSTDP的基础上加入语言模型,以提高生成文本的句子流畅度。通过在真实数据集Yelp上的实验表明,FGSTDP和FGSTDP+LM模型在四个评价指标MAE、BLEU、Edit Distance和Fluency上均优于现有模型,这验证了模型在内容完整性和情感转换准确性上的有效性。