随着移动互联网时代的到来,社交媒体在世界范围内逐渐风靡,其影响力也不断扩大。对于社交媒体语料的细粒度情感分析逐渐成为了学界新兴的研究热点之一。然而,社交媒体语料相较于传统的单文本在特征上有明显区别,一是由于社交媒体的非正式性,用户发表的文本内容可能存在大量的缩写、语病和错字等,二是社交媒体语料不再是单一的文本形式,往往伴随着图片。因此,本文基于社交媒体语料进行细粒度情感分析研究,不仅具有重要的学术价值,也能够帮助平台挖掘群众对于大事的舆论倾向,同样具有巨大的应用价值。本文主要面向细粒度情感分析（Aspect-Based Sentiment Analysis）中的两个关键子任务展开研究:1)面向社交媒体多模态语料的评价对象抽取任务（Aspect Term Extraction,ATE）,该任务的目标为识别出给定的<文本-图片>语料对中所涉及的有效评价对象;2)面向社交媒体多模态语料的评价对象情感分类任务（Aspect Term Polarity,ATP）,该任务的目标为针对语料中出现的评价对象,判断其情感极性。具体来说,本文的研究内容包括以下三方面:首先,本文提出了一种基于区域感知对齐网络的多模态评价对象抽取方法。该模型首先引入BERT预训练模型进行文本基于上下文的特征建模,采用字符级向量编码以缓解未登录词问题。对于图片,引入Faster-RCNN目标检测网络提取其前景物体特征作为图片特征。最后引入共同注意力网络将文本特征与图片特征进行交互后使用门控机制将两模态特征融合,再使用过滤门将图片中的噪声过滤,最终使用CRF模型学习输出标签规则并最终解码。其次,本文提出基于预训练模型的语法导向网络以端到端地解决社交媒体语料中的细粒度情感分析任务。该模型采用LXMERT预训练模型以对文本进行多模态融合编码,使用该模型特有的多模态输出以判断图片和文本之间的关系,并决定多模态融合的程度。此外,模型使用基于句法生成树的图注意力网络以加强模型中的语法关系。最终在使用CRF解码时抽取评价对象的同时判断其情感极性。最后,本文分别针对提出的两种模型进行了广泛的实验。本文使用F1-measure以综合判断模型的性能。实验结果表明,两个模型在其任务上都表现出了优异的性能,其中区域感知对齐网络在多模态评价对象抽取任务上较最优秀的基线模型性能提高了1.8个百分点,基于预训练模型的语法导向网络在多模态端到端细粒度情感分析任务上较最优秀的基线模型性能提高了2.6个百分点。两个模型分别进行了消融实验,实验结果证明了模型中各个模块的有效性。此外,本文分析了模型目前存在的缺陷,为下一步工作出了准备。