微博、小红书和Twitter等社交平台作为人们传递与交流信息的主要渠道,蕴含着海量的数据资源。为了更好的了解人们对于社会热点话题、国家政策和产品服务等方面的真实感受,情感分析成为学术界中一个重要的研究领域。然而,先前有关情感分析的研究大多都是针对单一模态开展的,无法直接应用于日益增长的多模态数据。因此,本文进行有关图文多模态情感分析的研究。本文首先提出了基于注意力机制和动量蒸馏技术的图文多模态情感分析模型AMNMD。该模型首先使用ViT和RoBERTa来分别提取图像和文本特征,接着将这些特征通过模态交互模块进行图文信息的交互,最后再将交互后的特征输入到模态融合模块进行图文信息融合,以提取用于情感分类的融合特征。此外,为了进一步提高模型的性能,本文对模型引入了动量蒸馏技术。在三个公开数据集上取得的良好实验结果验证了AMNMD模型的有效性。对于更细粒度的图文多模态方面级情感分析任务,本文提出了AMNMD模型的改进模型AMNMD-MABSA以及一个基于注意力机制的多交互网络模型MINA。其中,MINA模型在提取特征时能够充分地进行方面与文本以及方面与图像之间的信息交互,并使用多次迭代更新方面特征的方式,来间接实现图像与文本之间的信息交互。在两个公开数据集上取得的良好实验结果验证了这两个模型的有效性。基于AMNMD模型,本文设计了一个面向社交媒体的图像与文本融合情感分析系统。此系统可以根据用户在网页上的输入,从Twitter上采集某个时间范围内包含指定搜索词的推文,并对其进行情感分析,而且将分析结果在可视化界面中展现给用户。