随着互联网+的逐渐普及,越来越多的商品采取线上的形式进行销售,不仅包括实物类商品,还有诸多服务类商品(酒店预订、在线打车、家政服务等)。消费者也不仅仅是商品信息的获取方,更多时候可以作为信息的输出方,对商品进行评价、描述、建议,海量的商品加上海量的数据,这也导致互联网的信息量呈指数型的增长。通过对这些文本信息进行分析,识别出潜在有价值的内容,了解这些信息的情感倾向——积极或是消极等,有助于挖掘出其中更有价值的内容,帮助商家获取新的市场机遇,给出消费者更多更好的消费意见,给人们带来生活上的便利。但在如此海量级别的信息数据下,想要了解用户对商品的评价情感,只靠人力去解读这些信息,工作量巨大,还存在许多主观意识和客观环境的影响。因此,为了更方便迅速的了解用户对商品评价的情感趋势,提取大数据下的有效信息,本文采取机器学习和深度学习等方法,针对收集的酒店评论数据集(包含覃建波老师的10000条和网络爬虫获取的5000条酒店评论数据集,积极语料和消极语料的比例为2:1)来进行情感分类分析,为消费者和商家带来对于商品信息更为直观的认识。本文最终通过一系列的模型训练,选择出效果较为理想的模型,能够将评论数据进行情感倾向预测,更为直接的分析出消费者积极或是消极的情感。