互联网随着科技和经济的发展越来越普及,人们随时随地可以轻松的进行网络访问,这就产生了规模巨大内容丰富的互联网数据资源,这些数据中很大的一部分包含了人类的想法、观念、情感和评价等等主观信息,对于这些信息的挖掘对社会发展和经济发展有着十分重要的作用,可是由于这些数据的非结构化和数据量,对于这些数据的分析和挖掘有着很大的困难,本课题基于深度学习的方法,结合爬虫爬取数据,利用自然语言处理和深度学习网络进行了信息的自动学习和统计,并将其落实到工程应用中。本文在开始先对本课题研究内容的由来起源意义进行了阐释,然后介绍课题内容,本课题进行的是算法研究和工程落实相结合的研究方式,于是首先对工程的体系结构和建立过程进行了解释,并对相关的需求分析和应用的技术阐述说明。然后描述了算法研究中,对爬虫技术结合深度学习CNN,数据预处理的Word2Vec技术的原理,和深度学习所使用的网络结构简要说明。接下来对本课题的主要算法工作进行介绍,包括提出的中文验证码验证模型,然后对数据的预处理方式通进行了双向的链接。对于文本数据的挖掘,本课题提出了基于LSTM改进的分类网络,提出了加入对各层隐藏状态加权平均的处理层的LSTM模型。最后进行实验,在自己有效人工标注的数据集、自主生成的数据集和网上公开的数据集进行了实验结果验证,还与传统的流行方法进行了对比试验,多组结果对比验证了本课题提出的方法的价值和效果,并从正确率、召回率等多个方面进行评价。