随着网络视频媒体的兴起,各大视频网站购买影视剧版权在其平台上播放,影视剧的播放量直接影响视频平台的收入,如何估计影视剧的市场价值成为一个重要的问题。通过对影视剧的用户评论数据进行情感分析,可以清晰地了解用户对影视剧的喜好和影响用户喜好的因素,辅助购片人了解市场情绪。因此本论文设计并实现了用户评论情感分析系统,购片者通过本系统可以查询影视剧整体的用户情感,指定剧集的用户情感和用户情感趋势变化等情感信息。本论文以影评的情感分类和情感关键词提取为主要研究内容,具体使用深度学习模型来解决文本情感分析问题。论文主要完成了以下3方面的工作:(1)为了提高情感分类的准确率,本论文探究了深度学习中的注意力机制,循环神经网络和卷积神经网络三者的融合方式,提出了一种融合模型ARC及其变型M_ARC,融合模型能够在双向时序的特征上进一步提取n-gram特征。并在公开的情感数据集twitter,yelp和本文构建的影评语料库上进行情感三分类评估,实验论证了本文融合方式的有效性。(2)Attention机制可以学习词在句子中的重要分布,为了提高情感分类的可解释性,本文利用融合模型ARC中的注意力输出,提出了一种优化的关键词提取方法。在SemEval数据集上,与传统的TextRank,TF-IDF,和基于复杂网络的关键词提取算法做了对比实验,实验数据表明在Fl-Measure,准确率和召回率指标上至少达到了 1.1%的提升。(3)设计和开发了基于深度学习的用户评论情感分析系统。该系统主要实现了数据采集、情感分析、关键词提取、情感检索、可视化这5个模块。将本文提出的情感分类算法,关键词提取算法应用在系统对应的模块中,经过系统的功能与性能测试,满足用户使用需求。