随着互联网的普及和电商平台的飞速发展,网络购物已然成为当下最热门的购物方式,因此电商平台上的在线评论也伴随着交易量的增长与日俱增。面对海量在线评论,仅仅依靠人工的方法进行处理分析是远远不够的,因此情感分析技术作为一种自动化的评论挖掘方法应运而生。传统的情感分析方法仅仅从产品评论中识别出消费者对于产品整体的情感倾向却忽略了重要的属性信息,是一种粗粒度的情感分析,这种方法导致无法细化消费者喜好和明确产品属性的优缺点。针对上述问题,本文提出一种面向特定属性的细粒度情感分类方法,主要研究工作包括:(1)现阶段面向特定属性的情感分析语料库资源匮乏。针对这一问题,本文结合已有英文语料的标注规范提出了一种面向问答类型评论文本的属性级语料标注体系,并在此基础上进行大规模人工标注。(2)现有在线评论大都包含多个属性,而传统的粗粒度情感分类方法无法有效利用这些重要的属性信息。针对这一问题,本文提出一种基于高维表示的特定属性情感分类方法,该方法从单词、子句及句子三个不同的维度,利用评论文本及其特定属性信息构建多层次、高维度的深度神经网络模型。实验结果表明我们的高维表示方法较其他基准方法能取得更好的分类性能。(3)针对给定的属性词对评论文本进行情感极性判断时,根据评论文本中各部分对分类结果的贡献大小不同这一事实,本文在高维表示方法的基础上又加入注意力表示学习,提出了一种基于注意力机制的特定属性情感分类方法,该方法采用注意力机制捕捉评论文本中与特定属性关系更为密切的部分。实验结果表明该方法较高维表示方法能进一步的提升分类性能。此外,本文将注意力机制应用到基于问答类型评论文本的任务上也能有效的提升分类性能。最后,将本文构建的针对特定属性进行情感分类的分类器与基准方法进行实验对比,结果表明本文提出方法的分类性能较高,这也证实了本文提出方法的有效性。