大数据环境下,随着移动网络科技的革新和迭代,我国社会经济发展进入了高速前进的全新时代,中国人民的生活水平也在蒸蒸日上,网络购物俨然成为人们一种日常的生活方式,低价格和高品质服务已不再是吸引消费者的唯一标准,电商网络平台的服务与使用感受转而成为了人们所关心的重点。物流已成为衔接电子商务平台与消费者之间的主要桥梁,其服务质量的优劣能够直接左右顾客对网购平台的选择。因此,通过提升电子商务物流品质,重塑企业形象,提高消费者满意度,将成为提升公司核心竞争力的重要措施。如今,网上冲浪之风盛行,人们更愿意在社交平台中发表一些个人的看法,网络购物平台中人们对商品的评论信息的数量也呈现出爆炸性增长的趋势,这些用户评价中包含顾客对购物体验的直观表述,是企业获取用户反馈信息的重要来源。然而,目前学术界还是利用传统的方法对电商物流服务质量进行研究。为了更精准、有效地获取消费者的实际评价,本文基于大数据分析背景下,运用深度学习,利用网络评价情感分析对电商物流服务做出评价研究,以期望对提升公司竞争力有所帮助。本文主要研究内容如下:（1）构建电商物流服务质量评价指标。参考经典评价SERVQUAL模型和物流服务质量模型（LSQ）以及国内外学者的长久成果,并根据国际电商物流及国内快递行业的特征,依据电商物流服务评价指标原则,建立了电子商务物流服务质量评价的六个维度,即响应性、移情性、便捷性、可靠性、经济性、信息性。（2）构建物流关键词词库并制作物流服务质量评价数据集。首先利用中文文本预处理技能,对已收集的电子商务评论数据完成清洗去重、机械去词、短语删除、分词、词频计算等预处理工作。其次,采用词频取词+Text Rank的方式完成关键字提取,效率较高且获得的词库覆盖面更广泛,并利用建立的物流关键词词库对与物流服务有关的数据分析进行过滤。（3）构建电商物流服务质量检测模型。依据电商物流的特点,基于Tensorflow深度学习平台,实现对数据分析的收集、分析清洗、情感预测,以及服务质量维度的数据分析。以NLPCCC中文情感分析开源数据集作为训练集,通过构建和训练深度学习情感分析模型,选取循环神经网络（RNN）模型LSTM和Attention机制进一步提高模型精度。（4）以京东购物商城为例。对京东商城手机、电脑、厨具、服装等四大类别的产品及评价数据,开展了实证调研。通过调研结果发现,京东商城在物流服务过程出现的问题以及将来存在的隐患,并有偏向性的对各个维度给出改善性建议。