集成用户和产品信息的评论情感分析是情感分析中一项重要的任务,旨在根据一段评论文档、用户（发表评论的用户）、产品（评论针对的产品）三种信息来判断评论文档的情感得分（也叫情感分类）。最近,基于深度学习的情感分类模型通过自动学习分布式特征,与传统基于人工特征的方法相比,性能取得了明显的提升,已成为当前研究的热点之一。现有基于深度学习集成用户和产品信息的评论情感分析模型虽然取得了较好的效果,但依然存下以下两个方面的不足:1)大都采用同种方式（例如,注意力机制）集成用户和产品信息,没有充分考虑用户和产品信息对情感得分的不同影响;2)大都隐式地学习用户和产品的语义向量表示,没有显式地建模用户与评论之间、产品与评论之间,以及相似用户之间、相似产品之间等关系。围绕上述问题,本文展开集成用户和产品信息的评论情感分析研究,以进一步提高情感分析的性能,主要包括以下两点研究内容:1)基于知识互蒸馏的评论情感分析方法。针对第一点不足,提出通过不同的方式分别集成用户和产品信息,具体地,使用语义融合层的方式集成用户信息,使用注意力机制方式集成产品信息;进一步提出基于知识互蒸馏的训练框架,联合训练集成用户和产品信息的主模型、以及分别集成用户和产品信息的辅助模型,通过知识蒸馏的方法传递知识,互相增强,以充分利用用户和产品信息的不同影响。实验结果表明,所提方法在评论情感分类上取得了比同类基准方法更好的效果。2)基于层次Transformer和图网络的评论情感分析方法。针对第二点不足,首先,基于层次Transformer模型学习用户、产品和文档的初步语义向量表示;然后,提出基于图神经网络显式地建模用户与评论文档之间、产品与评论文档之间、相似用户之间、相似产品之间和相似评论文档之间的联系,以更好地学习用户、产品和评论文档的语义向量表示。实验结果表明,所提方法在常用数据集上的表现优于基准方法。