情感倾向分析需要根据文本内容,分析出其情感分类。在舆情分析、人机交互等方面,情感分析有着广泛的用途,是自然语言处理领域的一个热门研究课题。在大数据时代,社交媒体平台上充斥着形形色色的网络评论。在网络评论中,电影评论呈现出内容情感化、语言表达口语化和语句结构碎片化的特点,对模型的语义特征提取和分析提出了更高要求。因此,选择以电影评论这一类短文本为研究对象,借助深度学习中深度预训练和特征融合的方法,对句子级和方面级的情感倾向分析开展研究。针对电影评论情感倾向分析,提出一种基于深度预训练和特征融合的情感分析模型。具体工作如下:（1）构建面向影评的深度预训练方法。使用点互信息算法获取基于影评的情感词典后,在深度预训练的掩码语言模型中加入针对情感词的选择性掩码。使用提示学习的方法,人工构建两种离散型模板,使得预训练模型融入情感知识;（2）设计融合表情符向量的情感分析方法。通过数据增强的方式,使用现有语料生成带标注的含表情符的影评,以扩充数据集。随机初始化生成的表情符向量与预训练模型的输出向量拼接,输入到下游模型训练,实现使用表情符特征提高情感分析效果的方法;（3）构建深层金字塔卷积神经网络-双层门控循环组合模型。使用特征融合的方法,结合卷积神经网络和循环神经网络的优点,使得特征向量语义信息更丰富。使用自建影评数据集和标准情感分析数据集Chn Senti Corp、NLPCC2014测试了该情感分类模型。实验结果验证了深度预训练和特征融合的有效性:融合情感的深度预训练模型在自建影评数据集上分类准确率提升了0.5%。引入表情符特征的方法在情感分类准确率上有0.5%的提升。与常用的双层门控循环网络深度学习模型比较,深层金字塔卷积神经网络-双层门控循环组合模型在自建语料集、Chn Senti Corp和NLPCC2014分别提升了1.3%、0.7%和0.7%。