互联网第三产业的飞速发展加速了大众消费生活方式的改善和质量的提高。5G时代的到来就是商业机遇的到来,线上企业和实体企业都乘着大数据+5G的“东风”,加快大数据和物联网的步伐。2019年10月发布的《中国汽车产业发展报告》以“面向未来出行的汽车产业变革与协同发展”为主题,同时指出科技革命必会推动汽车产业的变革。目前国内经济社会转型发展环境压力加大,社会周期结构性突发舆情因素增多,加强大数据分析研究,获取数据情报,才能抓住机遇。因此,要从辩证的角度来看舆情的发生,诱发舆情的事件进行深入分析,秉持着“有则改之无则加勉”的态度,进一步完善企业和品牌自身的管理和改革。基于情感词典方法处于舆情分析的底层操作,简单且要求情感词典质量高,需要付出较高的人工成本来实现;基于机器学习方法处于舆情分析的中层操作,但存在特征项不连贯从而孤立分析的问题。基于深度学习的舆情分析很好改善了目前文本舆情分析中出现的问题,热门模型CNN、RNN、LSTM以及创新模型对舆情分析做出了一定的贡献,但是在短文本方基于融合模型的舆情分析研究比较少。本文旨在丰富舆情分析在自然语言研究的领域,精准细腻的舆情模型可以实现及时掌握舆情动态,丰富神经网络算法在深度学习研究的领域做出贡献。本在汽车销售的商业领域展开基于深度学习的舆情研究。以“青春环游记”事件引发的市场舆论为出发点,以各种媒体平台和消费者评论平台得到的的市场上不同车型的评论数据为数据源,对一汽MAZDA的CX-4、CX-5和阿特兹三种车型进行基于深度学习模型的品牌影响舆情研究。数据源字段包括来源平台,所属品牌,获取时间等:获取时间为2019年7月1日-2019年7月31日;来源平台是以知乎、博客为代表的的消费者平台和以汽车网为代表的的煤体平台;所属品牌为MAZDA本品牌及其在市场上的竞争品牌领克02、宝马X2、奇骏、荣放、本田CRV、逍客这七个品牌,其中MAZDA品牌评论数据包括CX-4、CX-5和阿特兹三种车型。数据源整体作为分词训练和Word2vec向量化的预料集,MAZDA竞争品牌数据有人工标注情感倾向,以0.2的交叉验证划分比例作为深度学习模型的训练集和验证集,MAZDA本品牌的数据没有人工标注的情感倾向,用来作为深度学习模型的测试集,一方面用来验证模型的可用性,另一方面利用得到的有标签的MAZDA本品牌的数据进行品牌影响舆情分析。在对数据进行去重清洗后,进行Jieba文本分词、TF-IDF关键词建立训练字典、word2vec建立词向量、3 δ建立token索引,之后确定对数损失函数、Adam优化函数、添加Dropout层提高泛化能力。模型整体准备工作完成后,在TensorFlow+Keras框架下创建并使用卷积神经网络CNN和长短期记忆神经网络LSTM融合的CNN-LSTM模型进行情感分类。该研究模型兼具RNN纵向序列信息和CNN横向关键词信息,通过不断训练得到92.98%的准确率。为验证模型的实用性,与相关模型做了对比实验,实验结果显示单一模型CNN达到89.49%的准确率,单一模型LSTM达到92.3%的准确率,均没有达到融合模型的准确率,验证了融合模型效果比CNN模型和LSTM模型效果好。在对模型训练好确定参数后,对MAZDA品牌数据测试集进行情感分类。对得到的具有情感倾向的NAZDA品牌数据进行社会影响分析。本文基于训练好的CNN-LSTM模型对MAZDA市场评论数据进行实证分析,从时间维度分析动态传播形势把舆情传播过程分为诞生期、成长期、成熟期和衰退期四个时期;之后又从截面角度运用CNN-LSTM模型对三个车型的情感倾向进行了描述。最后采用TextRank提取关键词分析MAZDA三个车型的情感取向和社会关注点,发现CX-4、MX-5、阿特兹三种车型都以年轻态的运动风格和亲民的操控性得到国民的肯定,但是国民对于大空间和通过性都有较强的硬性需求成为MAZDA在中市场发展的瓶颈。MAZDA曾经视图将中国汽车市场与美国汽车市场的定位相提并论,近年来中国市场份额却迟迟不见增长。本文从MAZDA品牌定位宣传及自身发展角度提出三点建议:倡导多种传播方式,可以利用类似家庭剧式等具有更好传播力的新颖方式;优化多种营销方式,可以开展公益营销,传递品牌价值观,打破国民认知的偏见;实行多种经营方式,可以跨界体育音乐教育等生活化领域。