现有情感分类模型大都采用Word2Vee,GloVe（gobal vectors）等 获取文本的词向量表示，忽略了词的上下文关系。针对此问题，提出基于BERT（ bidirectional encoder representations fromtransformers）预训练语言模型与双向长短时记忆网络（ bidirectional long short term memorynetwork, BLSTM）及注意力机制相始合的神经网络模型进行文本情感分析.首先通过BERT预训练模型获取包含上下文语艾信息的词向量，然后利用双向长短时记忆网络提取上下文相关特征进行深度学习,最后引入注意力机制对提取出的信息分配权重,突出重点信息，进行文本情感分类。在 SST（stanford sentiment treebank）数据集上测试准确率可达到88.91%.表明该方法较其他方法在 分类准确率上有一定程度的提高
