目前,自然语言处理仍然是一个突出的研究方向,情感分析则是其中基础的研究课题。情感分类是情感分析的一个重要分支,它可以根据文本所传达的意义,将文本划分为积极情感、消极情感等多种情感倾向。本文以酒店中文评论为研究对象,通过构建情感分类模型,解决爬取数据分布不平衡的问题,解决中文文本情感分类不准确的问题。最后采用可视化方法展现酒店数据的特征,为酒店升级改造提供针对性建议。本文的主要研究内容如下:首先,针对网络爬取数据分布不平衡的问题,本文采用Sim BERT建立不平衡数据的分类模型。利用Sim BERT模型对少数类样本的特征进行学习,生成类似于少数类样本的数据,再与原始样本进行混合,形成平衡数据集,提高了分类识别能力。结果表明,与其它不平衡分类模型相比,本文提出的模型具有更好的性能。其次,针对现有预训练模型没有充分考虑中文文本特征,导致情感分类性能较差的问题,提出基于Chinese BERT词嵌入的情感分类模型。该模型可充分考虑中文文本所特有的字形和拼音信息,通过Chinese BERT将汉字的字形和拼音信息融合到预训练模型中,然后连接双向门控循环单元对数据进行情感分类。结果表明,本文提出模型相对于传统模型取得了更高的分类性能,F1值达到了最高的92.73%,分类性能优秀。最后,针对不同类型的酒店评论做出可视化分析,为决策者提出针对性建议,提升酒店满意度。通过构建LDA主题模型,对经济型酒店和高档型酒店数据做出主题分析。之后采用语义网络分析构建两类酒店评论的网络关系图,展示主题词之间的关系。结果表明,经济型酒店的消费者更加重视酒店的位置、服务、隔音、卫生、价格和设施方面。高档型酒店的消费者更加重视酒店的服务、餐饮、位置、设施、价格和卫生方面。根据消费者对两类酒店的关注主题,提出针对性建议,从而提升酒店整体满意度。