情感分析伴随着网络社会媒体（如评论、博客和论坛）的兴起而飞速发展。这是由于现如今在这些网络社会媒体中,我们可以获得巨大规模的观点数据,能够帮助我们发现和挖掘有用的信息。人们在社会媒体平台上发布言论的主要目的是表达他们的观点,因此,社会媒体中的用户生成内容蕴含了大量用户观点信息。要从中挖掘出有用知识自然需要对情感分析问题进行研究,这已经成为社会媒体分析的核心问题。传统的文本情感分析方法容易出现覆盖度不足和应用领域单一的问题,样本不足和人工特征提取困难会直接导致文本情感分析的效果不佳。深度学习自提出以来获得了学者的广泛关注,并且在自然语言处理领域取得了很多优秀成果,因此,本文基于深度学习进行文本情感分析算法的研究。本文主要提出两种文本情感分析模型:一是基于图卷积神经网络的文本情感分析模型,结合情感关键词提取算法将原始文本信息构造成文本拓扑图表达,通过提取文本数据中的情感关键词信息并通过社区检测算法有效的降低构图的复杂度,既能够使文本情感分析达到较好效果,又能降低计算代价,在构图时尽量不丢失原始文本的信息,又能体现全局词语之间的联系,该图作为图卷积神经网络文本情感分析模型的输入,文本情感分析的本质就是对拓扑图中的节点进行分类,而在节点分类任务上,图卷积神经网络分析模型的效果要远远优于其他现有方法;二是采用深度置信网络模型结合多层注意力机制,通过多层注意力机制获得文本的特征表示,深度置信网络能够尽最大可能的保留原始特征,同时又能降低特征的维度,二者结合能够令模型提取特征的能力达到最大化,最后通过对比实验发现达到了较好的分类准确度。