在当今计算机网络时代,微博、淘宝、京东等应用平台给人们的生活带来了很大的便利,与此同时,大量的评论与观点由此而生。用户的评论与观点代表着用户的情感倾向。掌握用户的情感倾向,就可以有效地为用户推荐或规避某些话题或者商品。如何从这些内容中把重要的情感信息挖掘出来显得尤为重要。本文针对文本的情感分析任务,提出了一种情感分析残差网络模型,该模型充分利用了相似文本之间的特征关联性,在情感分析任务上取得了良好的效果。本文的工作主要包括以下几点:1.基于深度学习理论和文本相似度思想,提出了基于引入文本相似度的残差网络文本情感分析模型,实现了对文本的情感倾向性分析。2.基于迁移学习方法,应用SBERT（Sentence Bidirectional Encoder Representations from Transformers）模型构建了包含文本的语义信息且方便计算文本相似度的等长文本向量,并应用BERT（Bidirectional Encoder Representations from Transformers）模型把文本数据转化为语义矩阵。3.本文根据文本相似度的原理,提出了将待预测文本与其相似文本的语义矩阵加权结合来表示待预测文本的方法,增强了相似文本间的语义和情感相关性。4.通过构建残差网络模型,并对网络结构进行微调,加入自注意力（Self-Attention）机制,使得网络模型能够更好地学习文本的情感特征和相似文本间的关联特征。本文基于谭松波酒店评论数据集和IMDB数据集进行了情感分析实验,实验表明,本文提出的文本情感分析模型在这两个数据集上取得了更好的效果,准确率高于一些现有的情感分析算法和模型。