近年来,伴随着互联网的高速发展,大大小小的社交媒体平台出现在了人们的视野中。越来越多的用户选择在社交平台上发表自己的评论、分享知晓的信息并表达他们的态度和情感。为了能更好地分析用户的情感,对这些在社交媒体平台上发表的大量的文本数据进行分析与挖掘具有非常大的研究意义。例如,平台管理者对舆情监控、攻击性检测、平台治理、信息检索等,均需要进行深入的情感分析研究。目前,大量的属性级情感分析研究重点关注文本中评价对象与对应的情感倾向。该任务主要有三大类研究问题:评价对象抽取、情感倾向分类以及两者的联合抽取。然而,人们主观地去判断评价对象的情感倾向与该文本中出现的观点词密切相关。因此,结合社交媒体文本中丰富的情感表达特点,本文将观点词抽取作为基本的研究工作展开,在观点词抽取的基础上进行评价对象及观点持有者的抽取任务研究,并在最后利用抽取的三种信息进行情感进行分类,对由观点持有者、评价对象、观点词及情感倾向构成的情感四元组抽取任务展开研究。本文的主要研究工作如下:1.在社交媒体中的观点词抽取任务中,本文根据社交媒体中的文本通常都具有稀疏性、重复性、口语化等特点提出了一种使用字符编码与词性编码加强文本表示方法的模型,利用该种方法缓解以上社交媒体的文本特性带来的误差。实验表明,该方法在不同程度上提高了观点词抽取的效果。2.在评价对象及观点持有者的抽取任务中,本文主要研究了如何利用观点词与注意力机制来进行评价对象与观点持有者的抽取,提出了加权协同注意力机制,并根据三种流行的抽取方法搭建了对应的模型,并分析了各方法下的模型的优劣。同时,本文针对该任务的多类文本抽取提出了一种评价指标。3.在情感倾向分类与四元组抽取任务中,本文使用两种方法进行了情感倾向的分类并搭建了对应的端到端的四元组抽取模型。实验结果验证了两种方法下的模型的可行性和有效性。4.搭建属性级情感分析演示系统。系统以网页形式展示了本文提出的模型的结果,系统使用方法简单,展示效果可观,具有一定的实用价值。