随着移动互联网的普及和应用,各种线上服务类软件使人们的生活变得愈来愈便捷与快速。人们可以通过各种APP对衣、食、住、行提前做好计划与安排。通过社交互动、用户生成内容等手段来辅助商品购买和销售的社交商务也成为一种重要的商业模式。一些线上服务类软件利用顾客购买的商品评论及互动作为引导潜在顾客的重要手段。通过对顾客评论内容进行情感分析,既可以帮助服务类软件平台充分了解顾客需求,又可以帮助顾客快速地找到适合自己的服务产品。情感分析是自然语言处理领域的热门主题,主流的研究方法主要依托词向量模型对评论内容进行结构化转化,并基于深度学习的神经网络模型对文本进行情感分类。本文选择携程网中的酒店顾客评论文本,通过爬虫技术对近9万条酒店顾客评论内容进行数据采集,经过数据清洗、去停用词、文本分词和情感词性标记等得到实验数据集。本文首先介绍了双向门控循环单元模型（BiGRU模型）,BiGRU模型具有较强的学习能力与泛化能力,该模型充分利用了输入序列的上下文语境信息进行分类结果输出,更加适用于文本类型的数据集;其次介绍了BERT模型,BERT模型作为一个预训练语言模型仅需根据自然语言中的下游任务进行微调。本文对应的自然语言下游任务为情感分析,选择BERT模型中适用于中文的chinese＿roberta＿wwm＿large模型将酒店顾客评论内容逐字转化为计算机可以理解的向量形式。本文在构建BERT模型和BERT-BiGRU模型的基础上进行了两项情感分析实验,在实验过程中多次调整参数取值对比得到分类准确率较高的模型。在两项实验中BERT层均为词向量层,将输入的文本序列进行向量化转化;在实验的输出层中均加入softmax激活函数对向量进行分类。通过多次实验得出结论,BERT模型经过最佳参数选择后精确率可达91.36%,BERT-BiGRU经过最佳参数选择后精确率可达91.41%,两个模型分类效果俱佳,且后者更优。