情感分析或观点挖掘是对人们对某个实体及其相关属性的情感倾向的计算研究。近年来,随着网络的蓬勃发展,对网络社交文本的情感挖掘也成为人们研究的热点问题。但是纵观整个中文环境下使用的情感分析方法,大都采用的是比较过时的方法,比如基于情感词库、支持向量机等方法,在需要大量手动工作时,也不能得到很好地性能。且大多数也只是停留在对模型的研究上,并没有将其构建为实用的端到端情感分析服务系统。本文首先对构建情感分析服务的相关技术进行了综述,主要包括深度学习相关的词向量、循环神经网络、长短期记忆机制、注意力机制以及构建端到端服务系统相关的Docker和Kubernetes技术等。本文在研究深度学习在中文情感分析领域的应用的基础上,基于双向长短期记忆神经网络(Bi-LSTMs)和自注意力(Self-Attention)机制构建情感分析的深度模型,并将训练好的模型保存并部署在Kubernetes集群环境,构建端到端的情感分析服务系统。部署的服务由两个部分组成,分别为服务端和客户端,客户端通过服务端暴露的端口访问服务端的程序和模型,而用户通过客户端暴露的端口对服务进行访问。端到端情感分析服务系统应用广泛,一方面可以应用于相关领域的科学研究,如文本的语义分析等;另一方面,也可以应用于商业方面,用于分析某实体在网络中的舆论倾向,辅助商业决策。