随着外卖软件的不断发展和成熟,越来越多的人开始选择在网上订餐。而外卖平台为了让更多用户从外卖商品的品质、口感、质量甚至是服务等方面进行评价,开通了点评功能。这一功能也逐步成为用户用来决定是否下单的重要依据,因此对外卖用户的评论进行情感分析来帮助用户更好地获取外卖平台的信息,成为当下学者广泛关注和研究的热点课题。本文通过对获取自美团外卖平台的真实数据开展研究,采用双向长短时记忆网络（Long Short-Term Memory,LSTM）提取外卖评论数据中的时序特征,并结合自注意力模型对外卖评论语句中前后文的语义关系进行充分提取;在此基础上对外卖评论数据进行多模型训练,发挥不同网络模型的优势从而取得更优效果;最后基于上述算法开发了外卖评论数据情感分析原型系统,从而为外卖商家、消费者及运营平台提供借鉴。本文方法经过大规模数据测试,能够对绝大多数外卖评论数据实现较为准确的情感分类。本文的主要研究内容有以下几个方面:1.提出了基于自注意力机制的双向LSTM外卖评论数据情感分类模型双向LSTM可以充分获取文本前后的逻辑关系而被广泛应用于自然语言处理等领域。本文为充分获取外卖评论数据前后文特征,首先提出双向LSTM外卖评论数据情感分类网络,并在此基础上引入自注意力机制充分发掘和学习外卖评论数据中的相关规律,使得外卖情感分类结果更加准确可靠。2.提出了基于多模型融合的外卖评论数据情感分类模型在双向LSTM网络对数据进行特征提取的基础上,采用操作简单、训练迅速、广泛应用的端到端的模型对外卖评论数据进行学习训练。随后分别利用fast Text模型、BERT-MRC模型等模型对外卖评论数据展开训练。在这一过程中,充分利用fast Text模型网络简单但性能优异、BERT-MRC模型性能更优的优点,强化对外卖评论数据的特征提取工作,使得外卖评论数据情感分类结果有明显提升,并最终实现对外卖评论数据情感倾向的多粒度识别分类。3.设计并实现了自动情感分析原型系统为应用本文提出的外卖平台数据情感分析方法,本文设计并实现了基于B/S架构的自动情感分析原型系统。该系统包括外卖评论数据采集、原始数据预处理、外卖评论数据情感特征的提取、训练及外卖评论数据的情感分析等功能,给用户提供了一个便捷、简单、易于操作的自动情感分析方案。通过多种应用示例进行展示,验证本文算法和本系统的有效性和实用性。