随着社交网络与电子商务的迅速发展,网络在线评论文本呈现爆炸式增长,对这些评论文本使用情感分析技术进行挖掘,可以发现用户对于特定产品或话题的观点与看法。通过分析用户对特定话题的评论可以有助于了解大众舆论倾向,通过分析消费者对于所购买产品的评论文本可以了解产品的优劣并对潜在的消费者起到一定的参考作用。深度学习方法采用多个处理层来学习数据表示,并已在自然语言处理等领域产生了突破性进展。基于深度学习的情感分析模型表现出了良好性能,因此值得被深入研究。本论文主要的研究内容包括:(1)针对句子级的粗粒度情感分析任务,本文采用BRET模型做句子级多分类情感分析,在dailydialog,ISEAR和emotion-stimulus数据集上实现了句子级多分类情感分析,实验结果表明本文模型较其他传统方法有较高的F1值。(2)针对属性级细粒度情感分析任务,本文提出一个集成条件随机场、基于注意力机制的长短期记忆网络和Word2Vec方法的细粒度情感分析框架,通过在用户评论数据上验证了模型的有效性,首先采用条件随机场在爬虫抓取的手机评论数据上抽取产品属性词,实验结果与基于关联规则的方法相比性能提升显著。然后用基于注意力机制的长短期记忆网络实现属性情感分析,实验结果较标准的长短期记忆网络的实验结果有所提升。最后基于Word2Vec把属性词聚集到属性面上,从而分析产品属性面的情感。