随着互联网商品交易日益频繁,商家希望能够从用户评论中了解用户的喜好,从而改进商品。传统情感分析的困境在于无法准确判断评论中用户对商品各个方面的情感偏好,而方面级情感分析这类细粒度的方法能够有效识别不同方面的情感,因此更能满足商家的需求。基于依存句法的方法能够捕获方面词与意见词之间的远距离信息,从而被广泛用于方面级情感分析任务,但该类方法仍然存在句法信息学习不足,以及句法信息学习与上下文信息学习分离的问题。对此进行深入分析与研究,具体内容如下:1.针对句法信息学习与上下文信息学习分离的问题,利用依存句法分析获取句子的句法信息作为先验知识,将先验知识与句子拼接作为输入,同时学习句法信息与上下文信息。针对句法信息学习不足的问题,通过依存距离进行动态权重匹配,同时利用自注意力机制学习依存关系标签信息。实验结果表明,相比其他方法,句法信息的学习以及与上下文信息的交互更有效。2.针对上述方法存在的先验知识获取不稳定以及动态权重匹配未区分相同依存距离的问题进行修正,并针对句子中多个方面难以根据当前句子信息进行情感判断的问题,提出基于多粒度融合的方面级情感分析方法。通过引入上下文句子信息,增强对当前句子中方面的情感判断,同时通过门控机制调节增强后的句子输出,缓解上下文句子信息的过度影响。实验结果表明,相比只融合依存句法信息与单词上下文信息的模型,多粒度信息融合以及门控机制可进一步对其优化和完善。3.应用上述算法,设计并实现了商品评论分析系统。将方面情感分析结果通过结构化方式展示,并统计每个方面的情感分布,从而了解用户对商品各个方面的满意度,促使商家制定更好地营销策略。