近年来,随着移动互联网和电子商务的快速发展,越来越多的人热衷于网上购物,并在互联网上发表自己对商品以及服务的看法。在购物平台中,分析这些评论一方面能够帮助商家及时掌握商品的优缺点、改进商品质量,对满足消费者需求,提高业务规模有很大帮助。另一方面也为消费者全面了解商品信息提供参考。因此,如何利用现有的自然语言处理技术来处理和分析这些文本的情感倾向,已经成为很多研究人员关注的热点领域之一。传统的情感分析方法依赖庞大的情感词典和复杂的特征提取工程。如果情感词典不完善,评论中的情感词没有出现在情感词典中,就无法判断评论的情感倾向性,并且随着文本数据规模的不断扩大,人工标注数据需要过多的人力物力,还需要有一定的领域知识,从而限制了这些方法的发展。本文结合深度学习理论和自然语言处理技术,在基于卷积神经网络的文本分类方法的基础上,从句子结构和词向量出发,设计了一种基于特征融合的分段卷积神经网络文本情感分析模型,此模型能够分段提取句子的主要特征;并利用词性特征与词向量融合的方法,解决词向量无法区分同义词的问题。实验结果表明,与传统的文本卷积神经网络相比,本文提出的方法在情感分析任务上,精确率和召回率等指标都有显著提升。最后本文基于以上的算法,实现了一个商品评论的情感倾向性分析测试系统。