A pesar del éxito del análisis de sentimiento dicotómico, no abarca los diversos matices emocionales de los usuarios en la realidad, que pueden ser más numerosos que una simple asociación positiva o negativa. Además, la complejidad y la naturaleza desequilibrada del texto en chino presentan un obstáculo formidable a superar. Para abordar las deficiencias anteriores, se emplea el método de tres clasificaciones y se propone un nuevo modelo AB-CNN, que incorpora un mecanismo de atención, BiLSTM y un CNN. El modelo propuesto se probó en un conjunto de datos público de comercio electrónico y demostró un rendimiento superior en comparación con los clasificadores existentes. Utiliza un modelo de vectores de palabras para extraer características de las oraciones y vectorizarlas. La capa de atención se utiliza para calcular el promedio ponderado de atención de cada texto y se obtiene la representación relevante. Luego, se emplea BiLSTM para leer la información del texto en ambas direcciones, mejorando aún más el nivel emocional. Finalmente, se utiliza softmax para clasificar la polaridad emocional.