随着web2.0的日益发展,互联网渗入到日常生活的各个方面。点评网站作为互联网渗入到线下的一个非常好的切入口,已经成为本地垂直生活的一个标配。针对用户原创的评论数据进行情感信息的挖掘具有极大的学术价值和商业价值。目前单纯的进行情感分类已无法满足情感分析日益发展对分类强度和精度的需求。本文主要研究了如何定量化的表示文本情感,与简单的情感分类研究相比较,对更贴近用户实际情况的情感强度研究具有更加重要的研究意义和价值。本文以大众点评的评论数据作为研究对象,通过研究实现了一个文本情感强度分析系统,从定量角度对文本情感倾向进行分析。对于输入的评论,系统分析得到该条评论的情感强度值并展示。首先,在文本表示方面,本文提出了一种基于情感词典进行文本表示的方法。实现了一个具有惊喜、悲伤、爱、喜悦、恨、期待、焦虑、愤怒八个维度的情感词典,每个维度的浮点数代表该维度的权重。实验表明,基于该情感词典进行文本向量表示最大可能的保留了文本的情感信息。其次,在知识表示方面,本文结合深度学习技术,提出了 Bi-LSTM+Attention模型,该模型在继承其他深度模型优点的情况下,更好的表达了文本的上下文信息和情感信息,通过实验验证了其稳定性和有效性。最后,在情感强度定量化表示方面,本文建立了一套新的文本情感强度衡量体系,将情感强度划分为1到10十个等级,对不同程度的情感倾向能做出清晰的区分。