云时代的到来,互联网已经不仅仅是一个单纯靠流量取胜的门户时代,随着社交网络平台快速发展,网络是一个人人都可参与创建内容、发表观点和交流意见的互动平台。这些可以是对某个产品或者服务的评论,也可以是对某个热点事件或人物的观点等。对于个人而言,在购买某样物品或者“种草”某家店铺之前,会浏览相关的评论、讨论;对于企业而言,可以对网上的评价信息进行收集与分析,不仅可以建立与维护自身的形象,还可以根据客户趋势预测,轻松地开发策略以提升自我的竞争力。然而,成千上万条的评论目前显然不能再依赖人工收集与整理,随着大数据技术的快速发展,如何利用自然语言处理技术从巨量的文本中自动挖掘观点与情感就变得尤为重要。在银行业,服务有起点,但是满意却没有终点。银行如何对服务管理进行加强,如何将服务水平迅速提高,如何把服务品牌树立起来,为业务发展的发展做好支撑工作,是值得深思和迫切解决的问题。然而关于银行营业网点情况研究较多是从宏观层面,从整体上分析了银行业或者某家银行的情况,没有从微观分析每家网点的优势与不足,而站在管理者的角度,只有清楚了解每家营业网点的具体情况才能有所对策。网络记载了许多人们畅所欲言的评论与讨论,然而对于银行客户在互联网上评价的分析研究很少。针对以上问题,本文希望将深度学习情感分析研究落实到实际工作中,通过对客户评价进行方面级情感分析,从而挖掘各银行在不同方面的优点与不足之处,提出管理意见与展望。本文以银行营业网点的评论数据进行方面级情感分析。首先,本文构建了营业网点的评价体系。本文使用关键词提取特征词以求得方面,接着使用了LDA算法得到五个评价主题后,利用Word2Vec计算词语相似度,更全面地挖掘用户在评论中可能使用的方面词,以便在后续人工标注时将相似的属性进行整合,进行更完善的归纳。其次,在评价体系构建方面,本文采取了自底向上的评价体系构建,得出的高频属性特征与传统专家判定的指标体系有所不同,本文从客户的评论挖掘,更关注客户的真实需求,更贴近实际。再次,本文对各属性特征进行方面级情感分析时,使用了LSTM、AOA、BERT、AEN四种深度学习神经网络进行训练,并对比分析了不同模型的分类效果。对分类效果对比分析发现,AEN模型效果最优,训练效果比较提升了方面级情感分析效果,BERT模型其次。最后,本文总结了各营业网点的优势和劣势,客户可根据分析结果选择合适的网点,而银行则可以针对性提升营业网点服务质量。并对银行方给出了从员工业务能力、网点服务秩序、管理安排、环境情况、设备情况五个评价主题给出建议,并对存在问题较多的劣势方面给出提升建议。综上,本文构建了完整的方面级情感分析体系,为其他研究者进行评论分析提供了参考,所使用的深度学习方法在方面级情感分析中的表现有一定成效,具有现实意义和应用价值。