El microblog es una plataforma importante para la minería de la opinión pública, y tiene un gran valor realizar un análisis emocional de los textos de microblog durante la actual epidemia. Enfocándose en el problema de que la mayoría de los métodos actuales de clasificación emocional no pueden extraer efectivamente características profundas del texto, y que los vectores de palabras tradicionales no pueden obtener dinámicamente la semántica de las palabras según su contexto, lo que lleva a un sesgo en la clasificación, esta investigación propuso un algoritmo de clasificación de emociones en textos de microblog basado en TCN-BiGRU y atención dual (TCN-BiGRU-DATT). Primero, se obtuvo la representación vectorial del texto utilizando ALBERT. En segundo lugar, se utilizaron las redes TCN y BiGRU para extraer la información emocional contenida en el texto a través de la extracción de características de doble vía, para obtener de manera eficiente las características semánticas profundas del texto. Luego, se introdujo el mecanismo de atención dual para asignar el peso global de la información clave en las características semánticas, y las características emocionales fueron concatenadas y fusionadas. Finalmente, se aplicó el clasificador Softmax para la clasificación emocional. Los hallazgos de un experimento comparativo sobre un conjunto de comentarios de textos de microblog recopilados a lo largo de la pandemia revelaron que la precisión, el recall y el valor F1 del método de clasificación emocional propuesto en este documento alcanzaron el 92.33%, 91.78% y 91.52%, respectivamente, lo que representó una mejora significativa en comparación con otros modelos.