随着网络社交、购物等平台的高速发展,网络中充斥着大量的用户思维、情感倾向等内容,如何通过舆情分析系统合理且有效的挖掘出其中富有价值的信息,吸引了愈来愈多的科研学者和相关企业的关注,舆情分析核心的情感分析技术的积极发展也依托于此。近年来,关于情感分析技术的研究已有了较大进展,但是仍然存在着一定的局限性。具体来说,基于词典的情感分析方法存在着人工成本高、可迁移性差等问题。基于机器学习的文档、句子级别情感分析方法粒度粗糙,难以有效汇总大量数据中的不同情感观点。主流方面级别情感分析方法,在数据愈发复杂的当下,其情感类别平铺化的扩展方式限制了分析的深度,容易忽视不同情感观点之间的内在关联。在上述背景下,本文吸取层级分类思想,研究并实现了能将情感观点分层细化的层级类别情感分析（Hierarchical Category Sentiment Analysis,HCSA）算法,并以此算法为核心设计并实现了基于层级情感分析的产品舆情分析系统。本文主要的设计及实现工作具体如下:（1）本文设计并实现了层级类别情感分析（HCSA）算法。首先,针对主流方法分析深度浅且扩展性弱的问题,本文提出了分层细化情感观点的层级情感分析方法。其次,以此为基础,本文设计了具有应用了门卷积的多层级结构的层级类别情感分析算法模型,并结合注意力机制提升性能。然后,针对深层情感类别小样本问题,本文设计了层级依赖预测方法和层级奖惩损失函数,利用层级间的依赖关系缓解该问题。最后,在由真实数据构成的数据集下,本文对所提出算法进行了层级情感分析任务及不同改进点的仿真实验,对比了多种相关算法,本文算法在主要指标上均有提升,并验证了改进点的有效性。（2）本文以提出的层级类别情感分析（HCSA）算法为核心,通过Django框架设计并实现了基于层级情感分析的产品舆情分析系统,涵盖样本匹配、层级情感分析、观点查询相关功能,并对系统在功能及性能方面进行了测试,测试结果验证了功能的有效性与可靠性,能满足本文所提出的层级情感观点类型下的产品舆情分析需求。