时代不停向前发展,技术也随之不断进步,如今移动互联网已经越来越普及,现代生活正在逐步进入人工智能时代。互联网成为了大众群体无论是日常休闲还是工作学习时发表自身看法和建议的重要平台,因此在每个平台上,各行各业中都产生了大量的文本信息,而公众的情绪就蕴藏在这些观点和态度之中,同时这些文本情绪可能会对事件的未来发展趋势起到一定程度的影响。情感分析旨在判断文档、句子级别上各种类型文本的情感极性,不论是在理论还是实践中意义都非常重要,是自然语言处理中的热门课题。目前被大众广泛使用的基础情感分析方法,一种是基于情感词典,一种是基于机器学习的,从一些方面来看这些方法考虑到了一些语义信息,但仍然存在无法有效地编码语义子空间混合的问题,因此忽略了情感词之间的特征交互。另外,传统机器学习的方法需要依赖于对人工情感词标记的效果,可伸缩性差。深度学习方法很大程度上忽略了捕获情感信息,然而情感信息在该任务中至关重要。在本文中,我们将量子力学,深度学习和自然语言处理技术结合在一起,提出了基于量子启发的深度神经网络模型,用在情感分析任务中,分别为CNN-QI模型和以它为基础提出的CNN-BiLSTM-QI模型,本文提出的模型将量子力学中的密度矩阵概念,结合到神经网络语言模型中,然后应用于情感分析任务。通过将每个嵌入向量视为每个单词的观察状态,一个句子对应为用密度矩阵表示的混合状态,密度矩阵可以编码更多的语义依赖性,将它集成到神经网络中,并通过反向传播算法对模型进行自动更新,这样可以有效地编码语义子空间的混合并反映句子的单词在嵌入式空间中的分散程度,更有效编码语义依赖性,更好的捕获词语之间情感特征的交互信息和长期依赖性。最后分别在IMDB英文数据集和微博中文数据集上进行了实验,客观地证明了我们提出的模型在情感分析任务中的可行性和以及有效性。