近年来伴随各类社交与电子商务平台迅速发展,网络上用户生成内容出现爆炸式的增长。用户在社交平台与电商平台发表的评论中,包含了大量的文本信息,往往从多个方面反映了其对某些事件或者商品的情感倾向。分析这些包含情感极性的信息,能够有效帮助商家改进产品和改善服务,供政府相关部门了解舆论情况,以制定相应政策,同时也能让其他用户了解事件的社会评价。文档级情感分析方法能够获取整个文本的情感极性,但难以感知文本中不同方面的细粒度情感,而在现实生活中这类情感往往能比文档级的情感提供更丰富的信息。方面级情感分析作为情感分析的一项细粒度任务,旨在获取文本中各个方面的情感极性,具有极高的应用价值。基于注意力机制和卷积网络对细粒度更高的方面级情感分析任务进行研究,本文主要包括以下三点工作:（1）在方面级情感分析任务中,由于仅利用标准卷积神经网络来获取文本局部信息往往存在信息理解不充分的情况。针对此问题,提出了一种基于多角度卷积转换网络（Multi-angel Convolutional Transformation Neural Network,MCTNN）的方面级情感分析方法。该方法利用多角度卷积转换（Multi-angel Convolutional Transformation,MACT）模块将文本特征同步映射到不同通道,使得卷积神经网络能从多语义空间学习文本的局部信息,并在各通道间利用注意力机制获取各通道的重要性,学习到更丰富、更准确的文本局部信息,以用于细粒度情感分类。实验结果表明,基于多角度卷积转换网络的方面级情感分析方法精度优于大多数主流方面级情感分析方法。（2）方面级情感分析旨在预测句子中给定方面词的情感极性,它常采用注意力机制来提取句子中和方面词相关的特征,但注意力机制会引入噪声,影响情感分析的准确率。针对此问题,提出了一种基于语义感知精炼网络（Semantics Perception and Refinement Network,SPRN）的方面级情感分析方法。首先利用多头自注意力（Multi-head Selfattention,MHSA）机制提取上下文语义特征,并结合基于上下文的方面词嵌入方法,获取方面词语义特征。进一步地,引入门机制,构建双重蒸馏门,通过初步蒸馏与强化蒸馏两个过程实现上下文与方面词语义特征的交互,去除与方面词不相关的冗余特征,获取句子中与方面词相关的情感语义特征。在多个标准数据集上,提出的基于语义感知精炼网络的方面级情感分析方法达到了较高精度。（3）针对方面级情感分析方法实用性方面的需要,本文还设计一种基于语义感知网络（Semantics Perception Network,SPN）的方面级情感分析方法。首先利用多头自注意力机制对句子进行长依赖编码,再通过按位一维卷积对其局部信息进行感知,提高方面级情感特征获取的效率。基于上述方法,本文进一步设计中文舆情分析系统,将其部署到网页。在系统的具体实施方面,通过爬虫技术收集中文舆情数据,并利用回译法增强数据量相对较少类别的样本数,使每个类别的样本数量驱于平衡,利于网络训练。最后结合flask后端框架将训练好的中文舆情分析系统部署到网页,供用户使用。