我们提出了一种新型的多粒度注意力网络（Multi-Grained Attention Network, MGAN）模型，用于方面级情感分类。现有方法普遍采用粗粒度注意力机制，当方面（aspect）包含多个词或上下文范围较大时，容易导致信息丢失。为此，我们提出一种细粒度注意力机制，能够捕捉方面与上下文之间的词级别交互关系。随后，我们将细粒度与粗粒度注意力机制相结合，构建了MGAN框架。此外，与以往方法中对每个方面及其上下文分别进行训练不同，我们设计了一种方面对齐损失（aspect alignment loss），以建模具有相同上下文的多个方面之间的方面级交互关系。我们在三个数据集上评估了所提方法：其中笔记本电脑和餐厅数据集来自SemEval 2014，第三个为推特（Twitter）数据集。实验结果表明，多粒度注意力网络在所有三个数据集上均持续优于当前最先进的方法。我们还进一步开展了实验，验证了方面对齐损失的有效性，结果表明方面级交互能够引入额外的有用信息，从而进一步提升模型性能。