情感分类是理解人们对于产品、服务或话题感知的重要过程。尽管已有多种自然语言处理模型被提出用于解决情感分类问题，但大多数模型主要集中于二元情感分类。本文采用一种前景广阔的深度学习模型——BERT，来应对细粒度情感分类任务。实验结果表明，我们的模型在无需复杂网络结构的情况下，性能优于其他主流模型。同时，本研究也验证了迁移学习在自然语言处理领域中的有效性。