随着网络信息技术的飞速发展,用户评论内容的爆炸性增加,使得文本分类和整理工作变得越来越重要。面对海量的用户评论数据,只依靠单纯的传统技术进行计算和大数据分析已经无法解决实际应用的问题。因此,本文基于深度学习技术,利用双向门控循环单元和卷积神经网络的联合网络模型,提出了针对句子级文本情感分析和方面级文本情感分析的改进方案。针对句子级文本情感分析,本文构建了融合文本去噪和分段池化的句子级情感分析模型。在数据预处理阶段,加入文本去噪,通过提前处理数据集的方式来避免因不规范数据的干扰造成的语义特征提取困难的问题;在特征提取阶段,利用Bi GRU-CNN模型提取文本特征信息,在池化层采取分段池化的方法,既实现了文本降维,又尽可能多地保留了关键信息。本文模型在酒店评论和商品评论数据集上进行实验,结果表明,本文模型的准确率和F1值高于其他对比模型,证明了本文模型在句子级情感分析任务上的可行性。针对方面级文本情感分析,本文构建了基于双通道嵌入的方面级情感分析模型。在输入层采用双通道嵌入的方式,便于获取给定方面词的情感倾向。同时引入权重融合的过程,利用自注意力机制和传统注意力机制得到两方面的综合权重,既能获取文本中每个单词的权重大小,又能获取给定方面词和文本中各个单词的权重大小。本文模型在方面级酒店评论数据集上进行实验,结果表明,本文模型的准确率高于其他对比模型,证明了本文模型在方面级情感分析任务上的可行性。