在线评论文本中包含的各类口碑信息较多,其情感倾向对消费者的再购买意愿有较大影响。在线评论的观点挖掘是指从评论文本中分析出不同对象类的情感倾向性,通常消费者重点强调的评价对象的情感倾向,对整体评论的情感倾向影响更大。评价对象类型可以分为显性评价对象和隐性评价对象,在现研究中较多的关注文本中的显性评价对象,而忽略文本中的隐性评价对象。评论中包含的网络口碑信息可分为商品质量和商家服务,现研究中很少会研究商品质量和商家服务情感极性对消费者购买意愿的影响,以及商品质量、商家服务、消费者再购买意愿情感得分之间的影响关系。本文对在线评论情感倾向性分析时对深度学习模型进行了优化。首先根据文本的语义信息提取了文本中的关键评价对象;为了提高模型分类的性能,接着构建了融合关键对象识别和深层注意力机制的BiLSTM模型,在BiLSTM模型的输入层拼接了关键评价对象的基础上,对模型的输入层和输出层都使用了深层注意力机制。用酒店评论数据集对构建的模型进行了测试,实验结果表明本文所构建的模型分类效果最好,该模型的精确率、召回率、F1值分别为93.01%、93.02%、93.01%。之后用所构建的模型对线上销售新疆特色农产品的评论数据进行了分析,每条在线评论一般会有多个评价维度,本文对每条评论文本分别从三个维度（商品质量、商家服务、消费者再购买意愿）计算了情感得分,并根据得分分别对每个维度的评论文本从好评、中评、差评三个维度进行了情感分类。对消费者再购买意愿研究时,首先用PVAR（1）模型分析了商品质量、商家服务、消费者再购买意愿情感得分之间的联系。实证结果表明:商品质量和商家服务的情感得分滞后一阶会对消费者的再购买意愿情感得分产生正向影响。商家为了提高消费者再购买意愿就必须要提供让消费者满意的产品质量和服务。接着用面板Logistic回归模型具体分析了影响消费者再购买意愿的因素,实证结果表明:不管在淘宝店还是旗舰店商品质量和商家服务的正向评价以及消费者再购买意愿滞后项都会正向影响消费者再购买意愿,并且商品质量和商家服务交叉项会促进消费者的再购买意愿。控制变量（商家的声誉水平、销售额等）的回归结果与假设相符,而促销活动和评论数增量会对旗舰店的用户产生正向影响而对淘宝用户没有影响。根据本文研究结论主要提出以下几点建议:（1）在对文本进行情感分类时,应该更多的关注文本中的关键评价对象。（2）商家应该鼓励消费者多使用显性评价对象并从多个维度给出评论内容。（3）商家为了留住现有消费者在维护本店铺的声誉水平、信用积分等因素的情况下,应该较多提供优质的商品和良好的服务。在销售过程中促进消费者再购买意愿采取促销活动并不是一种必然措施。