截至2020年12月,我国网络购物用户规模高达7.82亿人,网购行为的增多,导致在线评论呈爆发式增长,评论中蕴含大量的反馈信息,通过对其深度挖掘,不仅有助于现有产品的重新定位、新产品的设计开发、营销策略的制定,还能帮助企业实时把握消费者的关注点,及时响应市场的需求,了解顾客心中的消费蓝图。目前,多数研究聚焦于句子级的评论文本情感分析,而属性级的情感分析较少,仅能判断产品属性的情感倾向。为了深入挖掘顾客对产品属性的具体观点,构建一种基于深度学习的情感分析模型和一种基于词典的在线评论深度挖掘模型,并将两种模型融入一款评论分析APP原型中。首先,综合句子级文本情感分析研究成果,构建注意力机制下双向长短时记忆网络,优化其激活函数,修正其损失函数,增强模型的学习能力,缓解训练过程中的过拟合问题,从而提高模型的分类性能,并设置对照组,从召回率、精确率、1三个指标上对模型加以评估。然后,在情感分类基础上,借助语法路径模板、主成分分析、K均值聚类、语义互信息算法等系列方法构建属性词典和观点词集,搭建在线评论深度挖掘模型,挖掘产品属性与顾客观点的共现关系。最后,设计一款评论分析APP原型,包括预处理、情感分析、属性-观点共现分析等功能,融入评论情感分析模型与评论深度挖掘模型,并以C公司某款散热产品的在线评论为例,验证两个模型的有效性。本文提出的模型和方法,开发的APP具有较高的可行性和实用性,以一键自动挖掘评论的方式代替效率低、不全面、重复繁琐的人工分析方式,帮助企业提高评论分析的效率;同时具有较好的可移植性,可推广到其他产品领域,推动中文评论文本分析的发展。