随着互联网时代的高速发展,网络信息的情感倾向性分类受到越来越多的关注。随着国家“一带一路”建设的发展,以及中国-东盟海洋合作中心的形成,研究东盟国家相关领域的数据信息具有很大的意义。新闻报道作为信息传递的媒介具有广泛性和普适性,能充分反映社会舆论现状动态。所以,对东盟国家新闻的情感倾向性分析研究具有一定的应用价值。本文主要基于深度学习方法对东盟国家新闻进行情感倾向性分析研究。首先通过爬虫方法获取东盟国家新闻数据构建新闻数据库,使用更有价值的主流媒体新闻数据。接着,对获取到的原始新闻数据按照一定规则进行情感标注和文本清洗等预处理操作,再使用词嵌入技术Word2Vec算法对文本进行向量化表示,最后通过构建网络分类模型进行情感倾向性判断。基于自构建的东盟新闻数据集分别构建CNN-ANET（ASEAN News Emotional Tendency）和LSTM-ANET的深度学习模型,并且在整体上实验的效果要好于基于传统机器学习方法（K近邻、支持向量机、朴素贝叶斯）的情感分类结果。考虑到新闻文本情感判别中上下文信息关联对分类结果的影响较大,因此本文结合新闻文本的特殊性使用双向长短期记忆网络模型,在此基础上结合注意力机制提出一种基于注意力机制的双向长短期记忆网络（Bi-LSTM-Attention-ANET）模型,分类准确率有了显著提升。但存在过拟合现象,为了解决这个问题提出一种基于对抗训练的注意力机制双向长短期记忆网络情感倾向性分析（ATA-BLSTM-ANET）模型,在词嵌入标准化处理上增加扰动,能够较好地增强模型的鲁棒性,较好地防止过拟合现象,提升了分类器的准确率。最后将本文提出的ATA-BLSTM-ANET东盟国家新闻情感倾向性分析模型应用在实际项目中,在中国-东盟海洋大数据信息服务平台中的海洋新闻模块对新闻倾向性进行分类显示,为分析研究东盟国家新闻相关领域情况提供有力支持。