海量互联网信息中蕴含着巨大社会价值和商业价值。传统的情感分析技术分析粒度大、准确性不高,并不能满足日益丰富的互联网用户需求。因此,如何采用一种细粒度情感分析技术使计算机能自动地对网络信息进行处理分析,给决策者提供更加详尽的结论性信息,帮助企业了解用户的消费习惯,帮助用户全面了解产品信息,逐渐成为了发展趋势。目前,针对细粒度情感分析的研究对句法和语义信息的挖掘还不够深入,因此,本文综合情感关键句抽取、评价对象识别、话题相关的情感倾向性分析的研究基础,深度挖掘句法和语义层面的知识,针对互联网语料,对细粒度情感分析进行了深入的研究。主要研究内容和创新点包括:1.针对情感关键句抽取工作,提出基于PMI的情感词典扩展算法、主题模型与词图模型相结合的关键词抽取算法和依存模板提取算法,来分别获取情感词、关键词和句法依存特征,融合词汇语义和句法依存信息完成情感关键句的抽取工作。2.针对评价对象识别工作,提出一种融合词性模板、依存结构分析、语义角色标注和短语结构分析的领域词典构建方法PDSP,并采用Word Embedding方法对该词典进行扩展之后,嵌入到序列标注模型条件随机场CRF中进行评价对象识别。3.在话题相关的情感倾向性分析中,首先提出了一种融合局部和全局信息的LTIGT算法进行关键词特征提取;然后基于Word Embedding和依存关系提取话题相关情感词,并对其进行K-means聚类,获取情感词特征;最后将以上两种特征,与传统特征一起加入SVM进行话题相关的情感倾向性判定,获得每个话题所对应的情感倾向,完成细粒度的情感分析。