随着互联网技术在我国的深入发展以及现代化通讯工具的普及,网络已成为人民日常生活必不可少的一部分。越来越多的网民在诸如微信、微博等平台上达到足不出户就可以全面获知天下事,同时很方便快捷地针对热点事件、公共服务等发表自己的评论及观点。近年来,大部分评论数据信息来源于社交网络、政府部门和相关商家,从这些评论数据中我们不仅能够直观地感受到用户的情绪,更能从负面评论数据中挖掘安全隐患信息从而扼制事故的发生,单就酒店等公众服务业来讲,若能提前从评论数据中发现安全隐患,做好防护措施,就能相当大的程度避免事故的发生。本文根据酒店商品评论分析系统需求,进行系统总体架构设计,采用爬虫技术解决评论数据获取问题,并对所爬取的评论数据进行分词等预处理工作。本文提出Attention机制与神经网络相结合的酒店评论数据情感分析模型,较之word2vec模型与机器学习相结合的方法,评论分类的准确率、精确度、召回率都有相应的提高。本文的主要工作包括:(1)设计了酒店评论数据分析系统框架,并进行分模块实现。阐述了系统执行过程,设计并实现了评论数据获取模块、评论数据储存模块、评论数据预处理模块、结果展示模块。(2)利用Python及Selenium相结合的方式实现酒店评论数据的动态获取,并将爬取的数据存储于服务器MySQL数据库中,在数据爬取模块详细介绍了爬虫与反爬虫工作原理及数据采集流程。(3)本文在对比经典机器学习算法与神经网络算法的基础上,创造性地提出了神经网络与Attention机制相结合的酒店评论数据文本倾向性分析模型,使其分类效果表现更好。