方面级情感分析作为文本情感分析的一种,包含两个子任务:一个是方面提取（ATE）,其目的是提取文本中情感表达的对象;第二个是方面情感分类（ASC）,其目的是判断句子对特定方面的情感极性。近年来方面级情感分析任务的研究发展迅速,取得了一些成果,但是也存在着一些不足。首先,大多数研究在进行方面级情感分析任务时仅关注句子和方面词,未能利用句子的语义结构信息,导致模型对句意理解不充分。其次,大多数的方面级情感分析研究只关注其中一个任务或将两个任务分为两步进行研究,忽略了任务之间共性和关联性,使得在训练过程中产生误差。针对以上问题,本文提出融合依存句法树的方法来进行方面级情感分析。本文的主要工作如下:（1）针对大多数研究未能充分利用句子语义结构信息的问题,本文使用依存句法树来建模句子的依存信息,并提出了两个基于依存句法树的模型,分别用来探讨依存关系对方面提取和方面情感分类任务的影响。模型利用Bi-LSTM提取文本特征,有效地利用了句子前后文信息。同时使用依存句法树构建句子的依存关系信息,使得信息沿着依存句法树的边长距离传播,提高了模型对句义的理解。两个模型都取得了较好的实验效果,特别是方面提取模型比现有最新模型表现更好。（2）为了利用两个子任务之间的共性和关联性,本文提出了融合依存句法树的联合标记模型,来同时提取方面词和其对应的情感。联合标记模型解决了方面情感分类任务获取方面较难的问题,具有较高的实用性。模型使用依存句法树和自注意力机制来获得更贴近语义的特征表达,使用多任务学习方法促进任务交互。同时为了更好的提取句子的特征,本文使用BERT代替Bi-LSTM模块,提出了基于BERT的依存句法树联合标记模型。BERT采用预训练和微调机制使得到的向量能动态的根据上下文确定词义,进一步提高了模型的性能。实验结果表明两个模型都具有较好的效果,特别是融合依存句法树的联合标记模型,对比现有模型有较大的提升。对比于现有大部分工作仅研究其中一个任务,本文研究了方面级情感分析的三个相关任务,构建的四个模型都取得了良好的实验效果。特别是融合依存句法树的方面提取模型和融合依存句法树的联合标记模型,实验效果有了显著提升。这表明了依存句法树对方面级情感分析任务的有效性。