在信息化时代,各类网络评论激增。人们习惯于在网络上发表意见、表达情感,这些包含着大量观点态度和舆论动向的文本中蕴含着重要的商业价值和研究价值,因此文本情感分析现已成为自然语言处理的重要研究领域。近年来,随着深度学习的发展,深度学习技术在图像、语音和自然语言处理等领域都取得了重大进展,展现出了潜在的应用价值。因此,本文开展了基于深度学习的文本情感分析研究。首先在词向量模型下建立了基于LSTM网络的文本情感分析方法,并对其进行了改进。由于词向量根据上下文学习获得,缺乏情感信息,为了进一步提高分类精度,针对评论文本语法不规则、特征稀疏等特点,本文将深度学习技术与情感规则方法相结合提出了基于深度置信网络的文本情感分析方法,提高特征对文本语义信息的表达,增加模型对语义的学习和理解能力。本文的主要工作有:建立基于LSTM网络的文本情感分析方法;收集整理各大情感词典;改进经典的情感词典分类方法;从改进的情感规则方法中提取有效的情感信息扩展成为情感特征,再与通过分词、StanfordNlp处理后得到的三种特征形成多特征融合的机器学习特征模板,将其作为深度置信网络的输入进行实验。以谭松波教授的酒店评论文本为数据集进行实验,结果表明:1.本文提出的两种方法都可以较好地完成文本情感分析任务。2.深度置信网络比SVM可以更好地学习和表达情感特征。3.情感规则方法与深度学习技术相结合的深度置信网络方法的性能优于使用词向量模型的LSTM网络方法。