随着互联网和电子商务平台的快速发展，网上购物已经成为了当下最为热门的购物方式，随之，各种电商平台和点评网站的评论数量也水涨船高。在此背景下，社交媒体中爆炸性增长的信息及评论开始日益影响着消费者和生产者的决策行为。一直以来，传统的情感分析方法仅仅着重于识别消费者评论中的整体情感倾向，而忽略了评论中重要的细节信息，只是粗粒度的情感分析，无法具体分析消费者喜好和产品优劣。本文以餐饮业评论文本为例，通过细粒度情感分析方法，对评论文本的细节信息进行分析，从而获得用户评论的关注倾向，提高餐饮业服务水平和企业竞争力。
　　首先，进行关键词和情感词的联合提取及匹配。针对现有模型只是对关键词和情感词进行分别提取，而忽略了关键词和情感词联合出现的特性。本文在已有模型的基础上，结合预训练词向量对评论文本的关键词和情感词进行联合提取，并解决了原有模型无法将关键词和情感词进行匹配的问题，通过构建距离匹配模型，将二者进行匹配，有效获得了情感词和关键词之间的直接和间接联系。
　　其次，文本通过对国内外文献进行查阅，了解了有关服务评价指标体系的建立标准和建立原则，以SERVQUAL模型为基础，在充分了解餐饮业服务特性情况之下，建立了餐饮业服务评价体系维度指标，分别为食物质量、餐厅设备、餐厅环境、服务水平和价格水平。并通过词频统计和word2vec的方式构建了五个维度的关键词词库，将关键词按照词库进行了分类以获得评论文本在五个维度的关注度倾向。
　　最后，本文针对yelp评论文本进行了实证分析，将关键词与情感词在各个维度出现的频次和内容进行分析，发现消费者对于餐饮业最为关注的服务评价维度为食物质量和服务水平，顾客普遍较为关注食物口味和原材料新鲜度等具体内容。其后将评论文本根据好评与差评的区别进行分析，根据各个维度的提取出的关键词和情感词以及用户关注度倾向提出了改进意见和相关措施。