近年来,移动互联网的用户数量和使用场景发展迅速,用户在线上完成消费后往往会在服务提供平台上发表一些针对商品或服务的评价,这类评价往往会包含用户对目标多个方面上的观点,针对不同方面的细粒度情感分析成为越来越广泛的需求。基于方面的情感分析（Aspect Based Sentiment Analysis,ABSA）是细粒度情感分析的主要方向之一,相关的工作大多分为两种,一种是基于方面（Aspect）类别的,这种任务是检测评论所属的方面类别与情感倾向,需要事先指定一个方面类别集合,在实际应用中的扩展性与灵活性较差。另一种是对方面词（Aspect term）进行抽取,然后判断与方面词相关的情感倾向。本文通过对一般细粒度情感分析任务对评价词利用不足的问题进行分析,提出了一种新的ABSA任务及其解决方案,与以往的工作相比可以获取更加完整的情感信息,具体工作如下:（1）针对现有工作在ABSA任务中往往忽略评价词信息的问题,提出了基于深度学习模型实现的情感信息二元组抽取方法。通过深度学习序列标注模型对方面词和评价词进行抽取并通过分类模型判断不同词之间的对应关系。针对传统方法在词向量表示方面存在的不足,提出了基于BERT的方面词与评价词抽取模型,并通过实验对多种下游模型在该任务中的表现进行了研究。（2）提出了一种完整提取评论文本中的方面词和评价词及其对应情感倾向的任务,并针对该任务设计和实现了基于深度学习模型的流水线方法解决方案,同时研究了不同标注策略对结果的影响。针对在流水线方法中发现的错误传播以及上下文信息缺失等问题,本文提出了基于BERT-BiLSTM底层参数共享的联合模型,在一定程度上缓解了错误传播问题,同时通过共享参数使不同任务之间产生协同交互作用。最后通过实验证明本文提出的模型在实际效果上与流水线模型相比有明显的提升。（3）围绕本文提出的模型设计并实现了基于方面的评价挖掘系统,将本文提出的方法应用到实际的酒店评论数据中,通过对情感信息三元组的抽取来达到方面级情感分析的效果。