随着电子商务领域的快速发展,消费者在线发布的含有主观情感色彩的评论文本数量呈指数增加,在进行消费活动之前,消费者也倾向于根据商品的历史评论数据,做出自己的情感判断。方面级情感分析作为一种细粒度情感分析技术,可以自动地对海量的评论文本数据进行分析,针对商品的各个方面挖掘出评论数据所表达的观点信息,从而帮助消费者快速地做出适合自己的选择。本文针对方面级情感分析任务展开深入的研究,构建了两个基于图神经网络融合外部知识的方面级情感分析模型,并在三个数据集上验证了模型的有效性。本文主要工作如下:（1）构建了基于知识增强的图卷积神经网络方面级情感分析模型ASKAGCN。现有的基于图神经网络的方面级情感分析模型多数是单独建模句法依存图、外部常识知识以及多个方面术语组成的目标方面短语内部的语义和句法信息,或者是对其中两种信息进行联合建模,但是这三种信息对方面级情感分析任务都至关重要,针对上述问题,本文通过基于图卷积神经网络建模“句法-知识”异构图的方式来提取融合了常识知识信息和句法结构信息的特征表示,并使用Bi-GRU与交互注意力机制对目标方面短语内部的语义信息进行提取,最后将提取到的多种特征拼接,实现多种外部知识信息融合增强方面词语义的目标,从而提高模型分类的准确率。（2）构建了句法依存类型感知赋权的方面级情感分析模型ASDTA。该模型采用为不同的句法依存关系类型赋予不同权重的方式构建加权的句法依存图,并且在该图中融合语法距离和相对位置距离的特征信息,最后使用图卷积神经网络建模加权句法依存图来充分提取文本的句法结构信息以及位置信息。此外,模型依据文本单词和外部知识库构建知识子图,使用图卷积神经网络建模知识子图提取外部知识信息来增强目标方面词的语义。模型中还设置了目标方面词的语义信息提取模块,并将提取的方面词语义特征与文本加权图卷积的特征提取结果进行注意力机制的计算,在上下文中提取对目标方面词情感分类结果比较重要的特征,最终实现方面词语义信息的增强。实验证明,加权的句法依存图能够使得文本的句法结构信息更充分地被利用,使模型的分类性能显著提升。（3）设计并实现了一个文献研读反馈文本的学业情绪分析系统。该系统将ASKAGCN模型应用于文献研读学业反馈数据集上进行学业情绪识别,分析得到学生文献研读和代码复现过程中的学业情绪变化以及在学习过程中所遇到的困难,直观地展示这些困难主要来自于哪些方面,为教师及时了解学生学习状况,优化教学方法提供依据。