电商的兴起使得在线购物逐渐成为人们生活中主要的购物方式,消费者在各大电商平台积累了大量与产品相关的带有情感偏好的评价文本,全方位挖掘评论文本的情感信息对厂商和消费者都具有重要的意义和参考价值。传统的基于句子级或文档级的情感分析无法精准反映出消费者对产品某一属性的情感倾向,难以满足消费者和企业的精细化需求。因此,本文针对产品在线评论文本展开属性级情感分析研究,挖掘出消费者所关心的产品属性以及其对应的情感极性。本文以手机在线评论文本为研究对象,从属性提取和特定属性情感分类两个方面来展开属性级情感分析研究。本文的主要工作内容如下:（1）构建数据集。本文首先利用网络爬虫技术从电商平台爬取大量手机在线评论文本,然后针对本文研究课题的特点和内容,对数据进行预处理及可视化分析。（2）产品属性提取。为了从在线评论文本中挖掘潜在的产品属性,本文利用基于句法关系的方法来提取产品属性词,该方法首先利用依存句法分析文本的句法结构,并根据总结的依存关系和词性搭配规则,构建出适合本文评论文本的属性词提取模板,从而抽取得到属性词集合。同时,为了从词义相近的属性词集中归纳出对应的属性主题,本文提出基于余弦相似度的近邻传播聚类算法（APCCS）对属性词进行聚类,并提取各聚类中心作为对应类簇的属性主题词。（3）特定属性情感分类。为了针对每条评论文本所包含的多个属性主题分别进行情感分类,本文构建了一种基于多头自注意力的门控卷积网络模型,并在本文标注的数据集上与基准模型展开对比实验,结果表明,本文提出的模型在准确率和Macro-F1值两个指标上均优于其他模型。最后以产品属性主题为基本维度对在线评论文本进行情感极性的统计,分析产品在各基本属性维度的优劣势并提出针对性的产品迭代建议。