当前的电子商务市场仍由各国大型电商平台主导,各平台也为用户提供了线上反馈购买及售后评价的渠道。新用户通常会在购买产品或服务前查看历史评价,从客户体验管理的角度来看,用户评价既是影响用户购买意愿的重要因素,同时也是商家和平台方维护客户关系、分析市场需求的重要参考。在针对用户评价的文本情感分析领域,深度学习技术已被广泛使用,但对于根据评论预测用户对产品或服务在多方面的情感评分,以及将多条评论中多方面的情感意见凝缩成摘要这两项任务,仍存在评分预测准确率较低、观点摘要忽略多方面情感信息等问题。因此,本文针对上述两个任务,利用英文的用户评价数据集,分别从文本表示、特征提取、训练过程等方面进行研究,提出了多方面用户评价观点挖掘模型以及多方面用户评价观点摘要模型。研究的主要内容及研究方法如下:（1）本文对深度学习技术在观点挖掘及自动摘要领域的应用现状做了梳理和分析,并总结了不同模型的优势和局限性,为后续进一步的研究奠定了理论基础。（2）基于深度学习技术通过分析评论文本来预测用户针对多方面的情感评分。本文引入了预训练语言模型BERT作为特征提取层,同时提出了多方面注意网络（Multi-aspect Attention Network,MAN）来准确捕获评论文本中针对特定方面的情感信息,进而构建多方面用户评价观点挖掘模型,模型准确率超过了基准模型。（3）基于深度学习技术对多条评论进行摘要。本文引入了多方面情感评分预测任务中预训练的词嵌入参数,基于序列到序列模型,构建了多方面用户评价观点摘要模型,同时提出了多方面情感一致性评估组件来度量生成摘要的事实一致性,辅助模型无监督地生成语义明确、体现用户总体意见的非结构化观点摘要。基于上述的研究内容,本文的主要贡献如下:（1）本文丰富了观点挖掘与自动文本摘要交叉领域的研究,借助预训练的思想,将不同的训练任务有机结合在一起,充分挖掘训练数据中的共性与特性,进而提升模型性能。（2）本文着眼于方面级粒度的文本情感分析,通过模型的优化和集成,能够更准确地预测用户针对产品或服务不同方面的情感评分,并给出可阅读的、针对多方面的观点摘要。（3）本文从方面级粒度提出了新的观点摘要事实一致性评估方法,该方法是基于多方面用户评价观点挖掘模型的,即通过一个单独的组件来衡量观点摘要与原评论集合在多方面的情感上是否保持一致。