方面级情感分析是情感分析方向的热点研究问题之一,近年来受到了许多研究者的广泛关注,与文档级情感分析任务相比,它具有更细粒度的情感评价对象。方面级情感分析包含方面项抽取和方面项情感分类两个子任务。方面项抽取的目标是识别评论文本中包含的所有方面项,方面项情感分类的目标是识别文本中不同方面项的情感极性。本文针对方面级情感分析的两个子任务,探索基于注意力机制的方面项抽取和方面项情感分类方法。本文的主要研究内容概括如下:(1)方面项抽取。首先对方面级情感分析任务进行剖析,分析了方面级情感分析任务中存在的问题和挑战,并针对方面项抽取任务,介绍了一种先进的无监督神经注意力模型,并对该模型的实验结果进行了分析。(2)方面项情感分类。针对基于LSTM的注意力机制的一般结构,在方面项情感分类问题上存在的局限性,本文提出了一种新的多层方面-上下文交互式注意力表示模型,该模型仅依靠注意力机制,可对方面项和其上下文生成交互式的序列-序列表示,以代替了以往基于LSTM分离建模方面项和上下文的方式。本文的模型可以在上下文序列建模过程中,抽取与指定方面项相关的特征,同时生成高质量的方面项表示。通过在多个数据集上与现有的13种先进方法进行比较实验,结果表明,本文提出的模型可以在Restaurant数据集上获得显著的提升,并且在Laptop和Twitter数据集上也获得了非常有竞争力的结果。(3)方面级情感分析系统的设计与实现。本文将提出的方面项情感分类模型和当前先进的方面项抽取模型相结合,研发一个针对用户评论的方面级情感分析系统。首先,该系统可以对最原始的用户评论文本进行方面项抽取操作,在此基础上,预测每个方面项所对应的情感极性。最后,通过整合方面项抽取和方面项情感分类的功能,可以使该系统拥有较好的实用性。