随着互联网的发展,用户越来越多地在电商平台或者社交媒体上发表自己的看法,通过对海量的用户评论数据进行情感分析研究,商家可以更好的得到产品的反馈从而辅助商业决策。然而传统的情感分析是对评论的整体情感极性进行预测,没有考虑评论中可能包含多个方面,不同方面具有不同的情感极性的情况,属于粗粒度的句子级情感分析。为了解决这一问题,细粒度情感分析任务被提出,其旨在推断句子中目标方面的情感极性,也被称作方面级情感分析。同时随着网络上用户发表评论时越来越流行使用多模态数据,因此有学者进一步提出了方面级多模态情感分析任务,其旨在利用图文数据推断目标方面的情感标签类别。本文主要对基于纯文本的方面级情感分析和基于图文的方面级多模态情感分析两种细粒度情感分析任务进行研究,并设计了细粒度情感分析系统使得用户可以在线对评论数据进行情感分析。首先,本文设计了一个基于深度学习的方面级情感分析模型—SE（Simple but Effective）模型。针对纯文本的用户评论数据,采用预训练语言模型获得文本序列和方面词的嵌入表示,然后通过结合双向长短时记忆网络和注意力机制,获得和方面词有关的上下文信息,从而执行情感极性预测任务。模型在五个数据集上进行了验证都取得了很好的效果。其次,在上一个模型的基础上增加了视觉模态的信息,提出了基于深度学习的方面级多模态情感分析模型—ABAFN（Aspect-Based Attention and Fusion Network）模型。针对视觉模态中的图片数据,采用预训练的残差网络提取图片特征,然后通过注意力机制获得基于方面的视觉表示。最后融合视觉表示和上下文表示来执行情感标签预测任务。通过在手机评论数据集上进行验证发现多模融合后的模型相比于单模态的性能要好。最后,基于上述提出的两个模型设计了细粒度情感分析系统,为用户提供一个在线情感分析平台。系统主要包括用户模块、方面级情感分类模块、方面级多模态情感分类模块、历史记录展示模块和用户共享记录展示模块五部分组成。