随着信息技术与互联网的迅速发展,人们的购物行为越来越倾向于在互联网电商平台产生。互联网电商平台上消费者在购物后所填写的商品评论反映了消费者对商品各个方面的情感态度,例如手机产品的性能是否能满足消费者的需要、定价是否合理等。文本情感分类是NLP领域重要的研究方向,近年来许多国内外学者围绕这一主题开展了大量研究。将文本情感分析应用到手机产品评论中,可以挖掘出人们对于手机的各个属性的情感态度,为消费者购物及商家改善产品提供准确的参考,因此,对购买手机的顾客的评论进行研究具有实际意义。本文集中阐述了文本情感分析领域的相关理论,应用目前该领域应用效果最好的一些模型以及应用其他领域的模型来进行对比分析,从而得出模型改进的方向。并将文本情感分类模型与LDA主题模型相结合,为如何对实际生产过程中产生的数据集进行深入挖掘提供的一条可循之路。全文分四个部分:第一部分,介绍本文的选题意义以及国内外文献综述;第二部分,介绍文本情感分类的基础,即文本分词、词向量化,同时介绍TextCNN、RNN-Attention和CRNN-Attention这三种基于神经网络的文本情感分类模型;第三部分,将Amazon reviews dataset的reviews_Electronics数据集与爬取的华为P20手机评论数据集进行预处理,构建出合适的语料库,利用TF-IDF调整词权重,选取权重较大的词进行特征提取。将语音领域的分类模型CRNN-Attention应用到文本情感分类领域,在上述两个处理过后的数据集中对比TextCNN、RNN-Attention和CRNN-Attention这三种模型的分类效果的优劣;第四部分,将文本情感分类模型CRNN-Attention与LDA主题模型相结合,对华为P20手机评论数据集的各个主题的情感倾向深入挖掘,为华为P系列手机的更新提供指导性建议。