互联网技术的飞速发展给人们的生活带来了巨大的变化,互联网正逐渐成为社会中各种信息的主要载体,其中社交网络平台依靠其便利性受到了人们的广泛关注。互联网用户在各类社交网络平台上发表各类评论,这些来源于互联网用户的评论数据往往会夹杂着用户的情感,因此如何从这些带有情感色彩文本数据中提取有价值的核心信息成为了研究热点之一。文本情感分析可以系统化地判断这些带有主观情感色彩的文本的情感倾向,从而辅助用户提取核心语义信息,而本文在此基础上进行了更深入的研究。传统的文本情感分析方法依赖于序列神经网络,然而传统序列神经网络面对长序列数据时往往会淡化其中的关键信息。近年来,由于提高网络处理关键信息能力的注意力机制和图神经网络在自然语言处理领域的应用,基于注意力网络和图神经网络的文本情感分析方法在文本情感分析领域中获得广泛关注。但是上述的方法忽略了文本句法依赖信息作用,并且在面对不同领域的文本时缺乏专业领域知识的指导,限制了情感分类模型的性能的提升。本文针对上述问题,提出了融合外部常识性概念知识和构建针对文本情感分析的注意力网络的方法,并将上述方法应用于实际的舆情分析系统,进一步验证其有效性。本文的主要工作和创新点如下:（1）针对粗粒度情感分析无法充分分析文本的问题,本文以细粒度情感分析为主线,引入基于句法依赖树的位置信息,并通过与注意力机制的结合提升细粒度情感分析模型的性能。（2）针对方面级情感分析权重分散和缺乏专业知识指导问题,本文构建了基于知识图谱的文本语义图,并采用图卷积神经网络增强文本特征的表达能力,最终提升细粒度情感分析模型的鲁棒性和准确率。（3）将导入外部知识和构建针对文本情感分析的注意力网络的方法应用到舆情分析系统项目中,验证我们所提出的方法的有效性。