随着互联网技术的飞速发展,互联网与人们生活的联系愈加密切。人们在网络上创造、分享、传播内容,每天都有大量的信息在互联网上产生。其中不乏带有情感倾向的用户评论信息。分析这些评论信息的情感倾向,对商家和社会组织等制定决策有重要意义。基于此背景,本文研究了用户评论的方面级情感分析算法。旨在挖掘出用户评论中涉及到的商品或服务的方面,并分析其情感倾向。本文的工作主要有:1.以获取用户评论中涉及到的方面为目的,对用户评论进行方面抽取。改进了基于规则和条件随机场的方面抽取算法;设计并实现了基于双向LSTM的方面抽取模型,并通过Tri-Letter(LetterTrigram)引入字符级文本特征,获取更多词形信息。2.以细粒度情感倾向性挖掘为目的,进行特定方面情感分析。提出了 DAT-LSTM模型,通过引入依存关系信息,解决传统注意力模型对长距离信息捕获不充分的问题;提出了 Seg-DAT-LSTM模型,将句子切分成两部分分别处理,以解决长距离信息捕获不充分的问题;提出了 DPEAT-LSTM模型,通过结合依存路径信息,更好地捕获对特定方面比较重要的上下文信息。实验表明,本文提出的模型在特定方面情感分析上有一定提升作用。