大数据时代下,随着移动互联网的不断发展,网络购物已经成为人们的日常生活方式,平台的服务质量和用户体验逐渐成为消费者重点考量因素。物流服务作为电商的重要环节,其服务质量直接影响到用户的购物体验。因此,全面提升电子商务物流服务质量,树立品牌形象,提升客户满意度,是提升企业核心竞争力的关键。如今网络平台的信息量爆炸式增长,各大电商平台上的用户评论中包含大量有价值的信息,是客户购物时的重要参考依据,也是电商企业获取用户反馈的重要信息来源。然而,如何高效、准确地捕捉顾客的真实评价一直是电商企业面临的巨大难题。本文基于深度学习,在大数据背景下对电商物流服务质量监测进行研究,进而为电商企业提升服务质量提供参考依据。本文的主要研究内容如下:（1）构建电商物流服务质量评价指标体系。本文基于梳理的国内外学者研究成果,参考经典评价模型SERVQUAL模型和物流服务质量模型（Logistics Service Quality,LSQ）,根据电商物流服务评价指标原则,并结合实际电商物流的特点构建了物流服务质量评价的六个维度,分别是经济性、便捷性、可靠性、响应性、信息性和移情性。（2）建立物流关键词词库并创建物流服务质量评价数据集。首先使用文本情感分析预处理技术对爬取的电商评论数据进行文本去重、机械压缩去词、短句删除和分词等预处理。通过实验对比,使用对海量短文本数据处理更有优势的Text Rank算法进行关键词提取,建立了物流关键词词库,利用该词库完成了物流服务质量相关的评论数据的筛选。（3）设计电商物流服务质量监测系统。根据电商物流特点,基于Tensor Flow机器学习平台,完成从数据获取、数据清洗、评论筛选、情感预测到服务质量维度分析的全过程。为了让机器自动分析判断每条评论的情感极性（积极、消极）,最终得出综合评价。本文训练部署深度学习情感极性分析模型,首先引入词向量嵌入机制将文本信息映射为向量数据,以NLPCC中文情感分析开源数据集作为训练集,选取当前较为成熟的循环神经网络模型Bi-directional LSTM进行训练部署。通过使用多品类电商评论数据扩充训练集和引入Attention机制提升模型精度。（4）以京东商城为例,对物流服务质量监测系统进行实例研究。通过调用评价模型,将各评价维度的数据分别输入模型并预测评论情感倾向,再根据情感倾向分类结果从评价维度和时间层面分析各维度物流服务质量。根据实验监测结果,从维度和管理层面提出针对性建议,为电子商务物流服务质量的研究提供参考。