电商领域细粒度情感分析主要是针对每条电商平台评论文本中各个属性,即方面的情感倾向进行分析,不再是对整条评论文本进行情感倾向分析,更贴近于用户的实际需求。本文围绕中文电商评论文本对细粒度情感分析进行研究,并在此基础上设计并实现了电商评论细粒度情感分析系统。本文所做的具体工作如下:（1）针对方面情感三元组提取任务中缺乏中文电商评论数据集的基础问题,本文从某电商平台爬取了笔记本电脑领域的5602条评论,并对评论文本进行筛选、清洗、中文分词等预处理操作,依据本文提出的标注策略以词为单位进行标注,整理并标注了824条评论文本,构建了用于方面情感三元组提取任务的中文电商评论数据集。（2）针对细粒度情感分析研究中的方面情感三元组提取任务,本文提出了一种基于跨度交互的细粒度情感分析模型CSM-ASTE。该模型主要包含句子编码模块、属性情感词分类及剪枝模块、属性情感词配对及情感预测模块三个部分,通过端到端的方式解决了细粒度情感分析的子任务。不同于以往模型只考虑单个词的关系,该模型不仅考虑单个词的关系,同时也会捕捉单词跨度之间的相互关系,提高了模型对于多词三元组提取的性能。实验结果表明,本文提出的基于跨度交互的细粒度情感分析模型与以往的Li-unified-R模型、JET模型及BMRC模型相比,F1值分别提高了23.55%、14.49%和6.35%,证明了模型的可行性及优越性。（3）本文以Python语言和Flask开发框架为主要工具,结合用户现有的真实需求,面向电商领域设计并实现了一个细粒度情感分析系统。通过这个系统,用户可以对其输入的文本进行细粒度情感分析。系统测试表明,该系统稳健可靠,有效地满足了用户对细粒度情感分析的要求。