想要对携程酒店网站的在线评论进行情感分析，评论量为29万条，运用深度学习模型，具体应该怎么做？

针对携程酒店网站的29万条在线评论进行情感分析，可以考虑使用深度学习模型进行处理。具体建议的步骤如下：

1. 数据预处理：对29万条在线评论进行数据清洗、去除标点符号、分词、去除停用词、词干化等处理，以便后续的情感分析。

2. 特征提取：使用词袋模型或TF-IDF模型从处理过的评论数据中提取特征，构建特征向量。

3. 模型训练：选择适合的深度学习模型进行训练，例如基于卷积神经网络（CNN）或循环神经网络（RNN）的模型。需要使用已经标注好情感极性的训练数据进行模型训练。

4. 模型评估：使用测试数据对训练好的深度学习模型进行评估，计算准确率、召回率、F1值等指标。

5. 应用部署：将训练好的深度学习模型应用到实际的评论数据中，进行情感分析。

需要注意的是，针对29万条在线评论进行深度学习模型的训练需要较大的计算资源和时间，可以考虑使用分布式计算或GPU加速等方法来加快模型训练速度。同时，对于大规模的数据集，可以使用数据采样或者数据集切片等方法来减小数据集规模，以便于模型训练和评估。