近十年来,得益于经济的迅速发展,中国互联网一直产生着海量的文本数据,如何利用自然语言处理从这些文本中提取有用的信息成为一个重要的研究课题。情感分析是自然语言处理的一个重要分支,旨在运用语义挖掘等技术来分析情感分类对商品、人物事件和问题处理等方面的影响。目前业界常用的情感分析方法主要有三种:基于词典的方法、基于机器学习的方法和基于深度学习的方法。随着网络文本数据复杂程度在不断提高,很多网络文本包含的内容不止一个应用领域,为了能够让情感分析模型在更多精细化领域应用,本文提出了一种更加全面,在交叉领域也能保持较高分类精度的情感分析方法,这种方法通过结合局部和全局特征,然后以关键字的重要性为基础进行语义增强,最后在社交、网购和餐饮三个不同方向的数据集上进行实验,对比结果进行分析,验证本论文提出算法的泛用性和有效性。上述情感分析研究过程中,我们往往对数据集的利用不够充分,大部分模型只使用了评论文本和情感极性两个标签,造成了数据资源浪费。而且在实际生产中,科研人员在特定领域对模型改进优化进而提升精度也是一种常用的方法,所以本文继续对上一节模型进行优化,融合结构化数据的同时,还引入软性注意力机制对多元特征进行权重平衡。本文通过爬虫技术,拉取了网易云平台多个种类的歌曲评论数据。将预处理后得到的歌曲评论、歌曲类别等信息作为消融实验和对比实验的自建数据集。结果证明,通过融合歌曲种类这一外部信息,本文提出的情感分析模型分类准确率能够得到进一步的提升。基于本文的工作可以看出深度学习技术在中文文本情感分析是可行有效的。探索文本情感分析在不同领域的应用以及深度学习与多学科之间的协调发展都是今后重要的研究方向。