随着互联网、电子商务的普及和迅速发展,网民很容易的可以通过社交网络发表自己对热点事件的观点、表达自己的情感,在电商网站上发表对已购商品的体验和意见。而这些包含用户主观信息的内容多以短文本形式存在,从这些短文本中分析、挖掘信息对于掌握社会舆情和商品潜在提升空间等方面,具有重要的商业价值和研究意义。本文采用深度神经网络的方法围绕网络中短文本的情感分析展开研究,结合深度神经网络中的两种典型网络结构——循环神经网络(RNN)和卷积神经网络(CNN)以及新近流行的生成对抗网络(GAN)对短文本的词向量表示、属性级情感分析、双语环境下短文本的机器翻译和情感分析进行了探索。本文主要的工作包括:首先,对情感分析实验数据集的预处理,包括去停用词、词向量的训练等。通过训练词向量将文本信息用向量矩阵表示,用作神经网络模型的输入。其次,本文提出一种属性级情感分析方法——双向回环LSTM神经网络,该方法以属性目标词为中心,从属性词的左右两侧开始构建双向回环LSTM网络,这种结构的网络充分考虑了目标词的上下文信息,对属性级短文本情感倾向性的判断达到了较好的性能。最后,本文将生成对抗网络模型用于机器翻译,提出了一种新颖的对抗网络翻译模型。该对抗网络翻译模型主要由生成模型和判别模型组成,其中,生成模型是机器翻译模型,判别模型使用卷积神经网络作为分类器。生成模型和判别模型训练过程中相互学习,相互对抗,同时不断提升自己的能力,实验结果表明,这种对抗网络翻译模型能够获得更高质量的翻译结果。