简介： 本发明公开了一种融合情感特征的评论文本细粒度情感分析方法，包括以下步骤S1、已有评论数据语料预处理；S2、联合向量构建；S3、ADBC细粒度情感模型训练。有益效果：本发明通过融合情感标签，情感词、方面词来表示文本向量，设计一种针对评论文本的增强语义的高鲁棒性细粒度情感分析框架，更多的挖掘文本中潜在的情感信息，同时在注意力机制之前嵌入CNN卷积神经网络对Bi‑GRU的输出层进行特征的强化学习，从而提高了细粒度情感分析的准确性。能够反映出用户真实的评价信息，使用户对产品的各方面好坏有更加直接的了解。为消费者及供应商们提供高效可靠的反馈结果。