随着互联网技术的发展以及电子商务平台的推广,越来越多的用户选择网上购物,线上消费,因此针对消费者对商品或者服务的评价的情感分析便成为当前的一个研究热点。在深度学习得到广泛应用的背景下,作为图像领域的标配网络——卷积神经网络,由于其在自然语言处理领域不能处理长序列文本以及存在信息丢失的问题,使得卷积神经网络在文本情感分析领域总是和时序网络结合使用。本文分别从改进卷积神经网络结构和从文本情感构成两个思路出发,提出了两种用户评论情感分析模型——SP-DCNN和Tree-DCNN。本文的核心工作包括两方面:第一,为了改进卷积神经网络,使其能够处理用户评论情感分析任务,本文从改进卷积神经网络的结构出发,设计了一种基于级联分段结构的空洞卷积神经网络——SPDCNN。该模型使用空洞卷积替换池化层,以解决卷积神经网络的信息丢失问题,同时使用了级联的连接方式,并将模型提取到的低阶特征和高阶特征组合起来进行最后的情感分类预测,以解决卷积神经网络不能处理长序列的问题。除此之外,SP-DCNN还加入了情感词向量以及多核特征提取,使得模型能够提取出文本中的词群的情感特征。第二,从树型结构的角度出发,结合用户评论的篇章情感和语句情感以及词语情感之间的层次结构关系,本文还设计了另一种新的用户评论情感分析模型——Tree-DCNN。该模型的核心结构依然是空洞卷积网络,其关注点则从整体文本情感变成从词语的情感到高阶的语句情感再到最终的篇章情感。因此,该模型使用的是层次化的网络结构,在模型效果以及可解释性上都有一定的提升。本文不仅从理论上提出了两种用户评论情感分析的模型,同时在Chn Senti Corp开源数据集上分别进行了实验,达到了预期的效果。