随着网络信息技术的发展,相比于传统的购物方式,人们更加热衷于网络购物,并且喜欢在京东、淘宝等购物网站上发表评论。同时,中文文本不再是在线评论情感表达的唯一载体。表情符号渐渐兴起并且快速演变,受到了广大网民的青睐。网络购物中,在线评论扮演着重要角色,对用户的购物决策产生重大的影响。因此,对在线评论进行情感分析,有利于商家掌握用户的真实评价,改善产品质量,给客户提供更加舒适的服务。关于在线评论的情感分析研究成果很多,但大多数都忽略了表情符号这一情感特征,将表情符号视作噪声数据。为探索表情符号对于情感分析的影响,本文以淘宝评论为研究对象,将评论中的文本信息和表情符号结合,分析评论表达的情感态度。通过实验,本文验证了融合表情符号的情感分析算法能有效提升情感分析的准确率,并且选择其中分类效果最佳的方法作为系统的算法模型,设计并实现了情感分析系统。论文的主要研究工作包括以下几个部分:（1）数据采集与预处理。当前开源的数据集大多数都是纯文本,为获取含有表情符号的在线评论数据集,经调查分析后,选择淘宝网站作为数据集的来源。将Scrapy框架与自动测试化工具Selenium结合,设计并实现了网络爬虫。根据淘宝网站的特点,设置了爬取策略和反爬机制,爬取淘宝评论,随后对数据集进行清洗与预处理。（2）情感分析算法的研究与实现。针对在线评论的情感分析研究中,大多数学者都只考虑纯文本信息,将表情符号视为噪声数据。本文将表情符号与中文文本结合,分别采用基于情感词典和深度学习的方法进行情感分析,其中深度学习方法包括结合注意力机制的Bi-LSTM模型以及Transformer模型。基于情感词典的情感分析方法中,在通用情感词典的基础上扩充情感词典,构建表情符号、程度副词等情感词典,并结合数据的文本特征设计了情感得分规则,计算评论的情感得分,判断情感极性;结合注意力机制的Bi-LSTM模型中,设计了表情符号的向量表示方法,并将表情符号的向量表示与基于文本信息的向量表示进行语义融合;Transformer模型中,将表情符号视为与文本信息同一级元素,做相同处理并输入模型。通过实验,得出结论:融合表情符号的情感分析算法能有效提升情感分析的准确率。（3）情感分析系统的设计与实现。系统包括数据采集、数据查询展示以及情感分析等主要功能。用户可以获取商品评论的情感分析结果,从中得到客观的决策参考信息。