在线短文本的影响主要通过口碑的方式传播。它直接影响了客户的购买意图和忠诚度。这些网络短文本目前已经被各个行业视为影响其在线声誉的重要媒介。因此,分析这些短文本的情感变化对各个行业的发展具有重要意义。然而,短文本由于其语言表达简洁、携带特征少,致使在表示短文本的时候可以利用的特征非常少,从而使短文本情感分析的效果并不理想。并且,在文本表示的时候,传统的词嵌入模型往往忽视了词语本身的情感信息,仅仅通过上下文直接确定词语的嵌入表示。同时,在实际应用中,很少有人分析短文本的多个维度的情感实时变化。通过分析短文本的维度的情感实时变化,可以帮助企业在不同时间段更好的了解客户需求。针对上述问题,本文通过深度学习技术来挖掘短文本中蕴含的有价值的信息。本文完成的主要研究工作如下:(1)本文针对短文本语言表达简洁、携带特征少和情感信息缺乏等特点导致短文本情感分析效果较差的问题。提出了一种基于多特征融合-注意力机制的短文本情感分析方法。考虑的特征包括:语义特征、情感特征和位置特征。通过考虑多方面的信息构建短文本的特征表示,从而提高分类准确率。同时,我们还通过设计注意力机制以捕捉文本中词对之间的关系。(2)对服务满意的顾客可以为企业提供良好的口碑,而且其效果也会优于传统广告。因此,企业想要在同行保持较好的竞争力,企业须掌握客户对服务的各项维度的情感变化。因此,我们提出一种基于连贯主题模型的短文本维度情感分析方法。该方法通过主题模型和词嵌入挖掘出短文本的维度,并结合情感词典和依存句法分析来判断主题词的情感极性,最后在不同时间段分析出短文本的各个维度的情感随时间的变化。上述模型均使用三亚的豪华型、高档型和舒适型度假酒店的顾客文本评论作为实验数据对模型进行验证,结果表明本文方法的可行性。