当前,热点案件吸引了人们较多的关注,并在微博等社交媒体平台上进行大量的讨论,引起涉案舆情,容易对法院的审判工作造成负面影响。识别涉案微博评论中的属性词,挖掘属性词的观点并判断其情感极性,有助于帮助法院监测涉案舆情,评估舆论走势。面向案件微博评论的属性级情感分析存在缺乏案件属性级情感分析语料、属性词抽取中缺乏案件领域知识的有效利用、观点词和属性词之间的关系利用不足等问题。本文围绕面向涉案微博评论的属性词抽取、属性级观点挖掘等任务展开研究,完成了以下工作。（1）由于缺乏公开的涉案微博属性级情感分析语料,本文构建了涉案微博评论的属性级情感分析数据集。首先,利用爬虫技术从微博网页上获得了大量的涉案微博评论数据。其次,制定标注体系,对涉案微博评论的属性词、观点词和情感倾向性进行人工标注,构建涉案微博的属性级情感分析语料库,为后面的研究提供数据支撑。（2）涉案微博属性词抽取旨在从微博评论中识别出用户评价的案件属性词项,现有方法并未考虑涉案微博的领域特点,即评论通常围绕正文中出现的案件关键词展开讨论。因此,本文提出了一种基于关键词结构编码的案件微博属性词抽取方法。该方法通过结构编码机制综合利用微博正文的案件关键词信息,并通过交互注意力机制将其融入评论句子表示,来指导属性词的抽取。针对两个数据集的实验结果表明,所提方法在涉案微博属性词抽取方面是有效的。（3）涉案微博属性级观点挖掘任务旨在提取属性词对应的观点词,并判断其情感倾向性,包括观点词抽取和属性级情感分类两个子任务。该任务的难点在于如何对属性词和观点词的关系进行建模,从而利用抽取的观点词预测情感极性。考虑到属性词和观点词之间存在一定的句法联系,同时,观点词抽取和属性词情感分析是两个相互促进的任务,因此,本文提出一种基于图注意力网络的案件微博属性级观点挖掘方法。该方法利用句法关系和关系感知的图注意力网络对观点词抽取和属性级情感分类进行联合训练,从而提升观点挖掘的精度。针对两个数据集的实验结果表明,与当前最优模型相比,基于图注意力网络的模型在属性级观点挖掘任务中取得了更好的结果。（4）本文设计了面向案件微博评论的属性级情感分析原型系统。该系统可以通过本文提出的基于关键词结构编码的属性词抽取模型实现涉案微博评论的属性词抽取功能,并通过本文提出的基于图注意力网络的观点挖掘模型实现涉案微博评论的观点词抽取和属性级情感分类功能。