近年来,随着互联网的飞速发展以及电子商务的迅速普及,网上购物成为了人们生活中必不可少的一部分。如何利用购物平台产生的海量图片、文本和视频等数据进行研究,为用户提供更好地网购体验,成为了当下一个热门的研究课题。购物平台为了让消费者能够更好地对商品进行选择,往往会根据商品的属性进行类别划分。而对商品属性类别的制定是非常耗时费力的事情。而图像分类技术是人工智能和计算机视觉领域中非常重要的基本研究课题之一。如何利用图像分类技术,自动给商品制定相关属性成为了非常具有价值的研究问题。因此,本文主要使用深度学习中的卷积神经网络架构,研究了女装商品图像的细粒度分类问题,并针对女装商品图像属性分布不平衡以及不同属性间存在相关性等问题进行探索分析。我们通过对购物网站的调查发现,大量消费者对所购买商品的质量、功能和价值等方面都进行个人主观评论描述及配图说明。这些个人主观评论描述及配图,不仅为下一个消费者提供了一定的参考价值,也为我们探索研究热销商品的种类和购买用户个人兴趣喜好提供了研究基础。通过分析这些个人主观的商品评论描述和配图,我们发现它们反映的是用户对商品直觉的感观和体验后的感受,这些都具有明显的情感偏向。因此,利用商品评论描述和图片数据按照情感偏向的方法进行分类探索是一个值得研究的课题。本文使用深度学习中的相关技术,从图像阭文本情感分析的角度出发对商品晒单图的口碑预测进行了研究和分析。首先,本文根据任务需求从电商网站上爬取了阱阵万条商品评论,建立了一个称为限陒阭阱阵阰陋的图像阭文本情感分析数据集。然后,基于塔克分解和双线性池化提出了深度塔克融合的特征融合方法对深度神经网络提出的图像和文本特征进行融合,该方法在限陒阭阱阵阰陋上的表现优于其他传统的点乘、相加以及拼接等特征融合方式。最后,本文还在陖陓陏和降陖陓陏两个公开的情感数据集上验证了深度塔克融合方法的有效性。