随着近年来,互联网技术成本的下降以及智能手持移动设备的不断普及,越来越多的人们开始参与到网络中来,通过互联网进行购物,浏览一些国际新闻,观看体育比赛直播,或是在一些平台上参与话题讨论。其中,网络购物行为的日益增加刺激了国内电子商务平台的迅速崛起,比如:淘宝、当当、京东、苏宁易购等等。这些平台的扩张,不仅提供了大量的商品评论数据,同时扩展了数据所涉及的领域,从最初的一些较为基础的生活必需品扩大到人们生活中所有的日常用品。因此,通过对于大量的主观性数据进行情感分析,可以得到人群对于某些实体的宏观情感或是态度,并且可以把结果应用到其他任务之中,比如商品推荐。而且,近年来,人工智能与深度学习技术逐渐成为热门话题,深度学习技术已经成功的应用到多个领域,包括:生物医学、模式识别以及自然语言处理等等。在大部分的任务上,深度学习都已经在性能以及模型的复杂程度上优于传统机器学习算法。因此,本文采用深度学习对于多领域的电商商品评论数据进行情感分析。在文本的表示上,采用BERT语言模型进行预训练得到评论数据的向量化表示;在模型的选取上,本文提出一种基于胶囊神经网络的情感分析模型,并实现了基于循环神经网络的情感分析模型以及基于卷积神经网络的情感分析模型作为对比,验证所提出模型的有效性;同时采用支持向量机作为传统机器学习的代表,与深度学习模型进行对比。实验结果表明,本文所提出的基于胶囊神经网络的情感分析模型在情感分类的性能上要优于其他两种深度学习模型,同时实验证明深度学习模型在情感分析任务中的表现要好于支持向量机。