在数字化、网络化、全球化的发展趋势下,互联网技术得到了飞速的发展。在互联网技术的众多产物中,各种各样的网络信息平台为人们发布和接收信息提供了更低的门槛。社区中的各种电子商务平台作为重要的网络信息媒介,包含了大量民众的消费感受和体验信息,这些信息绝大多数都以短文本的形式出现,并且能够很大程度上反映民众真实的感受和想法。因此,对这些信息文本进行快速有效地处理分析、挖掘其中的情感倾向,无论是对于提高用户体验还是对于增加商家的经济收入都有着重要的意义。本文的主要工作内容如下:1.对短文本情感分析方法进行研究与改进。使用BERT模型替代传统的词向量训练方法,使得得到的词向量能够更好地表达词的含义,并且针对短文本特征稀疏的特点,在BERT模型中融入CTM主题模型得到的主题信息,为下游任务提供更高质量的词向量。在Bi-GRU神经网络中引入注意力机制,提高情感分析的准确性;通过引入池化层,加快网络的拟合速度;使用真实文本情感分析数据集进行训练,将一些较为优秀的情感分析算法与本文改进后算法进行对比。实验结果证明,本文的算法准确率为94.12%,相较于其它进行对比的模型准确率有一定程度的提升,同时模型的拟合速度也快于改进前模型。2.对短文本情感分析软件进行设计。软件基于B/S架构进行设计,首先对软件的需求进行了分析,其次根据需求对软件数据库进行设计,然后对软件的具体业务功能进行设计,最后通过Spring Boot框架对软件中的各个逻辑功能进行实现。短文本情感分析软件主要包括用户登录注册、查看修改个人信息、查看日志信息、短文本情感分析等功能。3.对短文本情感分析软件进行相关的测试工作。根据短文本情感分析软件的功能与非功能需求,参照国家软件质量测试标准GB/T25000.10-2016,搭建软件测试所需要的环境对软件进行测试。测试中,针对软件的不同功能设计不同的测试用例进行测试,同时使用JMeter测试工具对软件性能进行测试。测试结果表明,用户可以正常使用软件中的各个功能,并且软件的各项性能指标也符合其国家标准。