随着互联网的迅速发展与普及,网络上各种评论文本激增,例如电商平台的商品评论、社交网络平台的社交评论、生活服务平台的服务评论等。这些评论文本中大都包含着评论者对评论对象的情感倾向信息,挖掘其中情感倾向信息对于个人、企业以及社会都具有重大意义。自然语言处理中的文本情感分析技术能够从带有主观情感的评论文本中挖掘出情感倾向信息。传统基于词典和机器学习的情感分析方法已经无法满足海量评论文本情感分析的需求,因此,本文研究的是基于深度学习的情感分析方法,研究对象是商品评论和电影评论。首先,针对中文高质量情感分析评论语料相对匮乏的问题,使用爬虫技术从网络上爬取了大量商品评论和电影评论,并对其进行情感标注、文本清洗、中文分词等预处理工作,从而得到本文的评论文本语料。其次,使用word2vec模型对预处理后的评论文本进行文本向量化,并在基本的深度学习模型CNN、LSTM、GRU上进行情感分析实验。然后,针对使用word2vec训练的词向量仅包含词的语义信息而缺乏有利于情感分析的情感信息和权重信息的问题,提出了结合word2vec、词典、TF-IDF权重的词向量表示方法,并在评论文本语料上进行词向量对比实验。最后,为了在基本模型的基础上提高评论文本情感分析的效果,提出了一种将BiGRU的语义特征提取能力与CNN的深层特征提取能力相结合的BiGRU-CNN模型,并将该模型与该领域其它优秀模型在评论文本语料上进行模型对比实验。实验结果表明,在词向量的改进上,本文提出的融合词向量表示相比基本词向量表示能提高评论文本情感分析的Acc;在模型的改进上,本文提出的BiGRU-CNN模型,在商品情感二分类、商品情感三分类、电影情感二分类、电影情感三分类上的Acc分别达到了93.36%、78.65%、91.73%、78.52%,相比该领域其它优秀模型效果都要好,从而验证了本文提出模型的有效性。