随着电子商务逐渐融入人们的日常生活,电商平台上的用户评论数据的数量剧烈增长,这些评论代表着已购用户对所购买商品在一个或多个粒度的评价,这些用户评论的价值一方面体现在能够帮助潜在购买用户深入了解商品是否符合自己的期望,另一方面体现在能够帮助商家了解用户需求,改进商品质量。挖掘用户评论价值的有力手段之一就是情感分析,它作为自然语言处理领域中的关键分支,很长时间以来都受到研究者们的关注。近些年提出的细粒度情感分析作为该分支的子分支之一,它能够分析用户评论在多个粒度上的情感倾向,从而获得更精确的信息,方便用户根据自己的偏好做决策,也方便商家进行针对性的改进。首先,本文研究了如何设计高效的细粒度情感分析模型。通过对细粒度情感分析相关研究的参考和总结,本文提出主体间依赖可以细分为主体间句法依赖和主体间语义依赖,并基于多头注意力机制设计了分别对这两种依赖进行建模的模型。总的来说,本文提出的模型一方面由于采用了多头注意力机制从而能够并行地计算序列中的元素,使得训练耗时减少,另一方面,对主体间依赖的细致的建模使模型能够获得更多有用信息,使得预测准确率有所提高。在本文中,通过一系列的实验,验证了本模型的高效性。其次,为了使细粒度情感分析研究产生的价值能被用户直接使用,本文设计和实现了电商评论细粒度情感分析原型系统。通过对系统进行需求分析,将该系统分为数据采集模块、细粒度情感分析模块和可视化模块,其中细粒度情感分析模块采用了本文提出的细粒度情感分析模型,这是该模型在实际场景中的一次实践。在本文中,通过一系列的系统测试,证明了该系统能满足用户的使用需求。