比较句是产品评论中的一种特殊句式,它蕴含着人们对商品或者服务的比较观点信息。通过对比较句的解析,可以更容易的辨别出评论中的情感倾向。海量的评论信息中存储了用户产生的大量高价值信息,其中隐藏着用户的情感态度和政治倾向,这类问题的解决对产品评论挖掘等提供信息支撑具有重要作用。本文通过对比较句研究现状的综述,针对现有的该领域的相关研究方法的局限性,引入基于深度学习的比较句识别以及比较关系抽取方法,旨在通过学习表示训练能够分析跨领域的比较句抽取模型。本文主要展开了以下工作:（1）提出了改进混合网络模型的中文比较句识别方法。针对中文比较句识别的方法过于依赖人工专家的经验以及深层特征难度提取较难的问题。本文引入了深度学习中混合网络模型的概念,通过使用BERT预训练模型,融入比较关键词,融入注意力机制对混合网络模型（卷积神经网络和双向长短时记忆网络）进行改进,极大的提高了比较句识别的效率和性能。（2）提出了融入比较关键词的BiLSTM-CRF模型的中文比较关系抽取方法。该模型克服了双向长短期记忆网络没有从全局考虑标签序列以及条件随机场严重依赖人工提取特征的缺点,使用预训练的词向量作为模型的输入进行比较关系的抽取,在此基础上添加比较关键词特征进行比较关系抽取。实验证明:第四届中文倾向性评测语料上,基于该模型的比较关系抽取获得了较好的实验结果。（3）提出了融入依存句法信息的BiLSTM-CRF模型的中文比较关系抽取方法。比较关系的抽取的主要任务是从比较句中提取关系要素,而且这些要素在依存句法上存在支配和被支配的关系,因此在融入比较关键词的BiLSTM-CRF模型的基础上,通过融入依存句法信息来拉近依存关系词语之间的距离以提升双向LSTM层学习长远上下文依赖关系的能力。实验结果表明,该方法能提升比较属性抽取的效果。