摘要：大量涌现的电商产品评论对企业制定商业决策十分有利,BERT应用在英语文本情感分析中取得了不错的效果。针对中文电商产品文本评论提出了一个新的融合Stacking集成思想和深度学习算法模型。首先在文本信息特征提取层使用Chinese-BERT-wwm生成含有丰富语义信息的动态句子表征向量,Chinese-BERT-wwm是专门针对中文特点改进后的预训练模型,具有稳健的中文文本特征信息提取能力,其次该层同时设计了TextCNN和BiLSTM捕获文本中局部关键信息特征与语序信息特征,并将这些特征拼接在一起以获得更全面丰富的句子信息,最后基于Stacking集成学习思想使用SVM对该特征进行分类。为了评估模型效果,人工标注3万条具有三类情感极性的中文电商产品文本数据进行实验,该数据集可广泛用于中文情感分析领域。实验结果表明,与基线模型相比,提出的模型可以有效提高中文文本情感极性分类任务的准确率。