信息技术的飞速发展极大地冲击着传统的教育行业,“互联网+教育”的商业模型正经历着空前的变革。在线教育作为互联网技术与教育行业融合衍生的产物,依托底层硬件设备、在线实时传输技术和AI智能技术的发展驱动而得到快速发展。疫情期间,相关政府部门要求各级各类学校开展“听课不停学”的线上教学活动,不少科技公司纷纷上线教育直播平台供教师与学生教学使用,期间涌现出了“钉钉”、“腾讯课堂”、“腾讯会议”等在线教育平台,助推教学模式从线下教学向线上教学的转变,也积累了大量带有主观情感色彩的用户评论。评论信息能在一定程度反映了用户诉求,成为平台运营商改善产品质量、提升用户体验的主要抓手。本文以苹果应用商城上在线教育平台为研究对象,分别爬取“腾讯会议”、“腾讯课堂”、“钉钉”三大平台用户评论数据。在对文本数据进行预处理的基础上,按照一定的标准进行情感标注。利用词云图和语义网络图对评论文本进行粗粒度的特征分析,将高频特征词进行可视化展示,据此分析用户对产品的评价与感受。将深度学习模型运用于在线教育评论文本情感判别中,提出一种将卷积神经网络和双向长短期记忆神经网络进行水平拼接的融合模型（CNN-Bi LSTM）,卷积神经网络擅于利用多通道卷积核来捕捉文本局部信息,而无法提取文本中上下文语义信息,而长短期记忆神经网络利用递归神经网络能够提取文本的序列特征信息,较好的弥补了卷积神经网络的缺陷,充分利用文本的局部特征信息和序列特征信息进行情感判别。在此基础上,本文引入注意力机制,提取一种基于注意力机制的CNN-Bi LSTMATT情感分类模型,让模型能够自适应的选择对文本情感判别重要的词语,忽略与情感判别无关的词语,进一步提高模型性能。与传统的Text CNN和Bi LSTM相比,CNN-Bi LSTMATT情感分类模型准确率为0.860,精确度为0.847,召回率为0.869,F1为0.856,因此CNN-Bi LSTMATT情感分类模型更适合于该数据集。利用LDA主题模型挖掘用户正面与负面评论的潜在信息,将TF-IDF文本特征向量作为模型输入,提取各平台的正、负面评论的主题,可以直观了解用户对于在线教育平台的关注点和抱怨点,为平台运营商改进产品提供建议。结果表明,用户对于师生之间互动性的关注点较高,而其中网络带宽、平台稳定性是制约在线教育市场进一步发展的重要因素。