近年来,许多社交媒体利用内容推荐、商品推荐等为其吸引了很大的流量,而这些推荐离不开对用户的情感倾向性分析,因此情感分析有其独特的研究价值。方面级情感分类是情感分类的一种,旨在分析文本对事物的某一方面所表述的情感。并且近来基于注意力机制的神经网络方法在方面级情感分类领域在取得了较好的研究进展,很多研究者将其用于解决方面级情感分类问题。然而现有的方面级情感分析方法仍有以下几点不足。第一,注意力机制无法获取句子中的语序信息,研究者通过在注意力机制中融入位置编码,来获取词与词之间的语序关系,但是目前还是停留在位置与词之间的关系呈反比的简单研究上;第二,现有的基于注意力机制的神经网络模型大多是作用在方面和上下文之间的关系上,缺乏对句子层语义关系的分析;第三,基于注意力机制的方面级情感分析方法缺乏对复杂句子结构和语法的分析。本文针对上述这些不足设计了两种基于注意力机制的方面级情感分析模型,并以本文所述的方面级情感分析算法为核心,设计并实现了方面级用户评论情感分析系统,本文主要工作如下:1、改进正弦位置编码,将改进的正弦位置编码融合进基于交互式注意力机制的方面级情感分析模型中。为了加强对基于方面词的重点语境词的关注,以及为了加强对基于上下文的重点方面词的关注,此模型在注意力机制中,将方面词与上下文交互式处理,从而获得基于方面的重点语义信息,获取更有利于分类的上下文特征和方面词信息。同时由于注意力机制在单词语序信息获取上有一定缺陷,因此此模型引入改进后的正弦位置编码,用于将方面与其周围单词的位置关系融入至注意力机制中,以获取单词之间的语序关系。2、实现了一个基于多种交互式句子层内容注意力机制的方面级情感分析模型。为了分析句子内部和方面词内部的重点语义信息,此模型引入了自注意力机制;同时为了弥补难以分析复杂结构句子的不足,本文尝试了引入外部知识来改善注意力分布。另一方面,方面词与上下文应该是交互性的,因此本文引入了两种方面词与上下文交互的方法:句子层交互和Attention-over-Attention。通过句子与方面词的交互获得基于方面的句子重点语义信息;通过Attention-over-Attention模型获得方面词与上下文的关系。3、基于本文所述的算法模型,本文设计并实现了一个方面级用户评论情感分析系统。该系统既可以分析单条基于方面的评论文本,也可以分析批量的基于方面的评论文本,同时也可以将分析出的结果进行可视化展示。