摘要：卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)無法判別輸入文本中特征詞與情感的相關(guān)性.因此提出一種雙注意力機(jī)制的卷積神經(jīng)網(wǎng)絡(luò)模型(Double Attention Convolutional Neural Networks,DACNN),將詞特征與詞性特征有效融合后得到本文的特征表示,確定情感傾向.本文提出局部注意力的卷積神經(jīng)網(wǎng)絡(luò)模型,改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的特征提取能力,采用雙通道的局部注意力卷積神經(jīng)網(wǎng)絡(luò)提取文本的詞特征和詞性特征.然后使用全局注意力為特征分配不同的權(quán)重,有選擇地進(jìn)行特征融合,最后得到文本的特征表示.將該模型在MR和SST-1數(shù)據(jù)集上進(jìn)行驗(yàn)證,較普通卷積神經(jīng)網(wǎng)絡(luò)和傳統(tǒng)機(jī)器學(xué)習(xí)方法,在準(zhǔn)確率上分別取得0.7%和1%的提升.