本发明提供基于文本和情感极性的评论有用性预测方法、设备及介质，方法如下，获取评论数据，对所述评论数据进行编码处理，所述编码处理包括基于词级注意力机制对评论词进行编码获取评论词所在评论句子的表示向量，以及基于句子级注意力机制对评论句子进行编码获取评论的表示向量；将评论的表示向量送入预测模型的两个全连接层，分别获取评论的有用性预测概率和评论情感极性预测概率，并基于交叉熵损失函数构建评论有用性概率预测的第一损失函数和评论情感极性概率预测的第二损失函数，再对所述第一损失函数与第二损失函数进行优化；本申请将评论内容与评论的情感极性结合，通过多任务学习的方式进行模型训练，实现高效率的评论有用性预测。