本文利用细粒度情感分析方法处理产品缺陷发现任务从电商评论的文本内容挖掘出产品的缺陷信息。产品缺陷信息可以帮助消费者了解产品缺陷,也可以帮助生产商了解产品设计的不足,以改善产品和提高用户体验,还可以帮助质检人员监督检查产品质量以提高工作效率降低劳动成本。本文主要研究细粒度情感分析领域的两个子任务,分别为基于目标抽取的情感分析任务和（评价目标,评价词,情感极性）三元组抽取任务。基于目标抽取的情感分析任务可以从输入文本中抽取出评价目标和其对应的情感极性,该任务目前主流的处理方法为序列化标注方法。而上述三元组抽取任务的主流方法包括基于（序列化标注,关系分类）的管道方法和联合方法。但是现有研究方法应用于产品缺陷发现任务中存在一定的问题:在产品缺陷发现场景下,现有的工作中的句法解析器忽略电商产品评论文本中语法不规范语句不通顺等问题;并且序列化标注方法导致句子中每个词对应的预测结果是相互独立的,这种情感不一致现象将导致产品缺陷信息挖掘不充分;评论文本中存在多个评价目标和多个评价词,现有方法虽然考虑它们的关系,但无法高效提取多个评价目标和多个评价词的语义关系。本文针对上述三个问题对现有的方法进行改进,使细粒度情感分析方法更好地适用于产品缺陷发现工作:1)针对缺陷发现场景下产品评论文本句法不规范的问题,现有工作中句法依赖解析器难以挖掘文本中词之间的交互关系,本文基于核方法思想提出情感辅助预测模型,该模型利用核方法构建高维交互信息特征来关注文本中词之间的关系,对于语法不规范的评论文本核方法不需要关注其语法信息,利用高维特征映射的交互信息判断文中每个词被赋予的情感,利用包含情感的特征向量指导模型预测情感标签信息。最后通过在基准数据集上的实验验证了本文方法的有效性。2)针对情感不一致现象导致的产品缺陷信息挖掘不完善的问题,本文基于门控机制思想对注意力机制进行改进提出双向的基于门控单元的注意力机制模型。双向的门控单元使注意力机制生成一致的权重向量,让当前词的情感信息和同一个词组的情感信息一致解决情感不一致问题。最后通过在基准数据集上的实验验证了本文模型的有效性。3)针对缺陷发现场景下产品评论文本中存在多个评价目标的问题,现有工作无法高效抽取评价目标和评价词的语义关系,本文基于正交正则化的思想设计了一种基于正交正则化的注意力机制抽取评价目标和评价词关系,利用正交正则化限制每个评价目标关注不同的词。同时本文还考虑词的位置信息,采用位置嵌入的方法来判断词之间的位置关系提高模型预测的性能。最后通过在基准数据集上的实验验证了本文方法的有效性。