随着互联网技术的普及和发展,网上购物已经渐渐融入到人们的日常生活中。尤其在新冠病毒疫情大环境下,越来越多的人选择了线上购物。随之而来的是大量的用户评论数据,数据中包含了用户对商品以及服务的评价,这些评论中的情感取向对改善产品以及服务质量至关重要。因此,挖掘评论中的用户情感取向有着重大的意义。文本情感分析任务作为自然语言处理中的一个热门任务,在日常生活中有着重要的应用价值。目前市场上还没有一个专门用来做文本情感分析的平台,尽管有的大型公司可能会对情感分析的模型开放API接口进行售卖,但是此种方式应用门槛较高且对于不懂技术的个体工商户难以应用。除此之外,某些大型公司开放的文本情感分析API接口只适用于通用的文本情感分析,难以满足有更细粒度情感分析用户的需要。于是开发一款基于用户评论数据的细粒度文本分析平台就有着重要的应用价值。本文采用细粒度情感分析任务来对用户评论进行情感取向挖掘,包括用户对具体商品以及服务的正负面情感,用户可以观察到关于商品更细粒度的分析结果。除此之外,整个系统采用图形化界面操作使得用户操作更加简单方便。针对文本数据的分析程度不同,文本情感分析可分为针对篇章数据的情感分析,针对句子进行情感分析以及针对属性短语的情感分析。其中针对属性短语的情感分析又可分为基于指称的情感分析（A pe V Te m Sen Vimen V An Wly i,ATSA）和基于类别的情感分析（A pe V CWVego y Sen Vimen V An Wly i,ACSA）。然而,现有的ACSA模型采取的策略是针对每个方面类别训练单独的参数。因此当存在某些方面类别数据不足的问题时,会导致模型训练欠拟合。为了解决这一问题,本文提出了一种具有共享情感预测层的联合模型,并且将其作为用户评论分析系统的情感分析模型,以达到准确分析出用户对不同种类商品表达出的不同情感的作用。本文的主要研究内容有:1、用户评论系统的搭建系统使用PyQV5作为评论管理系统的前端开发框架。系统包括以下功能:1、用户登录注册模块,提供对账号名以及账号密码的核对检验,账号的注册以及账号登录功能。2、模型训练模块,提供模型的可视化参数配置、模型训练以及模型增量训练功能。3、数据分析模块,主要功能包括数据输入功能、模型数据分析以及数据可视化分析功能。2、细粒度情感分析模型的开发本文提出并实现了具有共享情感预测层的方面类别情感分析联合模型,该模型主要由两个子任务组成,一是对于方面类别的探测,二是对于探测出的方面类别进行情感分析,该模型在多个公开数据集下展现了其卓越的表现,相应成果发表在CCL2020会议上。3、数据可视化部分数据可视化部分采用PyQV5框架中的绘图工具包,针对情感分析模型分析出的数据结果绘制柱状图。4、测试部分本文针对各个功能模块设计了相应的测试用例,并根据本文所设计的测试用例对系统的性能、功能以及安全性进行测试,测试结果在本文的预料之中,系统运转正常。