随着移动手机的普及以及移动网络的快速发展,从3G到4G,再到现在普及的5G网络,更多人选择通过手机移动端来收发信息。在现如今网络信息发达和智能手机普及的大环境下,人们对酒店的住宿选择可以随时随地通过手机进行操作,这种客户和酒店通过网络互动关联的方式,能够在酒店预定平台上产生海量的酒店文本评价信息。用户在通过手机挑选酒店时,往往是通过住客在酒店留下的评论作为重要的选择依据。对于商家来说,这些评论数据则是很好放映酒店的优缺点,是优化商家酒店的重要信息。所以准确分析这类型数据无论对商家还是消费者都有着重要的意义。本文主要的研究工作如下:第一,本文首先对现有的情感倾向分析技术进行了介绍和总结,同时对常用的基于深度学习的情感倾向分析方法进行详细的介绍。其次,结合酒店评论的文本特点,发现现有人工智能模型存在的忽视文本情感表达结构的局部特征、缺乏区别处理信息的能力的问题。第二,针对文本情感表达结构的重要局部特征,本文提出双通道RNN三元块模型。模型中RNN三元块主要捕获文本情感表达结构的局部特征,加强词语之间的联系。由于在文本情感表达结构局部特征构建的过程中,容易出现捕获错误或者漏捕的情况,创新地使用双通道结构,加强RNN三元块对文本情感表达结构局部特征的捕获能力。第三,针对缺乏区别处理信息的能力问题,本文引入注意力机制。在被捕获的文本情感表达结构的局部特征上,采用注意力机制组合文本情感表达结构的局部特征,过滤无用局部特征信息,保留有用局部特征信息,达到区别处理信息效果。第四,通过对比传统RNN模型和LSTM模型,本文提出的双通道RNN三元块模型能够在词向量维度为100、200、300的环境下都有更好的表现,能够提高情感倾向分析的准确率,验证了双通道RNN三元块模型的有效性。