云计算的快速发展促进了各行业资源的协调整合,越来越多的个人与组织机构将本地的应用资源以Web服务的形式迀移到云计算资源池(即云服务社区)中,以便用户选择调用。这种服务部署模式加速了Web服务资源数量与质量的更新,云资源池中的Web服务呈指数型增长。基于SaaS平台的云服务社区的Web服务推荐因生态系统复杂性给服务计算提出新难题。近年来,越来越多的人对消费者评论的情感倾向感兴趣,以评估产品评级和公众偏好,因此,这种分析的研究和技术变得越来越普遍和成熟。然而,对中文API服务的使用评价进行情感分析的深度学习研究却很少有人关注。为了更好地挖掘云服务社区中用户观点文本的有效信息,本文提出了基于深度学习的对用户观点数据进行情感分析的方法。首先,对云服务社区中的原始数据进行人工标注和预处理,利用Gensim和Word2Vec将文本转换为可输入模型的形式;接着设计并实现了LSTM、BiLSTM和GRU三种深度学习模型实现情感分类的任务,并将其与使用K-最近邻、SVM和朴素贝叶斯三种机器学习算法建立的情感倾向模型的实验结果进行对比,结果证明了深度学习方法的有效性;最后对建立的三种深度学习模型的性能进行评估,选择最优的BiLSTM模型作为云服务社区日后使用的模型。通过对BiLSTM模型进行参数对比实验,得到了模型的最优调参,最终使得模型达到89.68%的准确率,具备较好的分类性能。