随着互联网的快速发展,在线购物已逐渐成为人们日常生活中最常见的购物手段之一。在线购物方便快捷、商品种类丰富,但是消费者却无法直观地看到商品的真实属性。为了能够更多地了解商品的真实情况,消费者在购买商品之前,通过查看商品的在线评价信息,便可以方便地获取指导性的倾向选择,作为购买决策的参考。然而,在线评价功能在给消费者带来便利的同时,个别评论数据的质量和准确性也会对未来的潜在消费者带来误判甚至误导,例如,因消费者主观差异性、商品信息不完善、商家的过度包装等导致的非客观评价。因此,获取商品全面的、综合的评价信息,将对消费者有效鉴别商品质量具有十分重要的意义。但是海量商品评价信息和消费者的人工浏览分析能力之间存在着不可调和的矛盾,当评价数据达到一定数量级时,消费者已经很难人工地对数据进行全面的获取和分析。因此,开发一个能够自动进行数据采集、数据分析、情感分析,给用户提供实用性强、具有高参考价值数据的系统,具有很高的实用意义和商业价值。本文中基于深度学习的商品评价数据分析系统,具备数据采集、数据清洗、特征值提取、词向量建模、深度学习模型训练实现数据情感分析等功能。通过本系统,用户仅需要选择指定的购物网站,选择商品排序方式,并输入查询商品的关键字,系统将会自动对商品信息进行采集和分析,并返回具有高参考价值的数据,用户可以通过页面上的简单滑动,便可以轻松的浏览到大量商品的全面的、综合的评价信息。同时本系统通过调整语料库、词向量和模型的参数值,进行了大量的深度学习模型训练,从而总结和提炼出一套电商购物领域内的语料库,大大地提高了数据分析结果的准确性和有效性。