随着互联网的发展,人们越来越习惯于在网上发表观点、表达情绪,收集、分析并整理这些带有情感倾向性的文本信息,可以更好地了解人们的行为和习惯,具有一定的社会和商业价值。传统的情感分析主要针对文档或句子进行研究,而方面级情感分析可以针对文本中的某个方面进行细粒度分析,近年来成为情感分析领域的研究热点。应用深度学习方法,充分挖掘文本内语义特征,建立单词之间的联系,是方面级情感分析研究中的主要方法。针对方面级情感分析任务,本文的主要研究工作和创新点如下:1、通过方面级情感分析相关研究发现,以往使用LSTM网络建模方面词和上下文的方式,无法区分文本内单词的重要性程度,缺乏对文本内方面词和重要词汇的关注。为了弥补这些不足,本文提出一种结合注意力机制和LSTM网络的方面级情感分析模型,模型使用多头自注意力机制和特定方面的注意力机制分别处理LSTM网络输出的隐藏层数据;并加入交互式注意力机制,获取文本-方面词之间的语义联系。针对模型,使用Semeval2014评测任务进行评测,分别在restaurant和laptop数据集上进行对比实验,实验结果表明,本文所提出的模型在方面级情感分析任务中获得了良好的分类效果,准确率和F1值都有所提高。2、基于本论文提出的模型和方法,开发设计了面向餐厅评论的文本情感分析系统,系统可以对用户输入的文本进行属性提取和情感极性分类,并显示提取和极性预测结果;同时可以对多个文本进行处理,并将结果进行可视化展示。