El aprendizaje por transferencia es uno de los métodos populares para resolver el problema de que los modelos construidos en el dominio de origen no pueden aplicarse directamente al dominio objetivo en la clasificación de sentimientos entre dominios. Este artículo propone un método de aprendizaje por transferencia basado en la red neuronal convolucional de múltiples capas (CNN). Curiosamente, construimos un modelo de red neuronal convolucional para extraer características del dominio de origen y compartimos los pesos en la capa convolucional y la capa de agrupamiento entre las muestras del dominio de origen y del dominio objetivo. A continuación, ajustamos los pesos en la última capa, llamada capa completamente conectada, y transferimos los modelos del dominio de origen al dominio objetivo. En comparación con los métodos clásicos de aprendizaje por transferencia, el método propuesto en este artículo no necesita volver a entrenar la red para el dominio objetivo. La evaluación experimental del conjunto de datos entre dominios muestra que el método propuesto logra un rendimiento relativamente bueno.