随着互联网的飞速发展,用户的评论文本信息呈喷井式增长,在这互联网大数据时代中,这些关于用户评论的文本数据中包含着许多有价值的信息。本文研究涉及文本数据的情感极性分析,该方向的研究近年来已经取得了很好的研究进展,越来越展示了广阔的应用前景。本文主要研究用户评论情感分析模型,适用于餐厅领域的用户和商家,可以精准直观的获取用户对餐饮的消费行为喜好。实验的主要内容是提出基于BiGRU-AE情感分析模型,这是一种双向的GRU学习训练方式,通过注意力机制的方式将方面词向量与其加权融合得出情感分析结果,同时还综合考虑了Word2Vec和BERT两种语言模型的预训练过程,使用字向量、词向量、字词融合向量三种不同的数据输入方式,分别对比不同输入方式的优势和缺陷。通过对比实验,验证该模型是能够提高文本表达的准确率,可以实现考虑文本数据的语义特征及长期的依赖关系。本文具有如下创新点:首先,提出了 BIGRU-AE情感分析模型,增强对文本上下文的情感分析的学习能力;其次,对GCAE模型和SynATT模型做了改进;此外,在数据预处理过程中提出了字词融合模型作为数据输入。在用户评论数据情感分析模型的基本思路和实验系统实现技术的基础上,设计了基于情感分析模型的用户餐饮消费行为分析实验系统,随后对模型进行了详细设计并得出验证效果,根据系统的分析需求,针对需求内容对系统进行设计与实现。