Si bien el contenido textual generado por los usuarios en plataformas sociales como Weibo proporciona valiosos conocimientos sobre la opinión pública y las tendencias sociales, la influencia de la personalidad en la expresión del sentimiento ha sido ampliamente pasada por alto en estudios anteriores, especialmente en textos cortos chinos. Para cerrar esta brecha, proponemos el modelo P-BiLSTM-SA, que integra personalidades en la clasificación de sentimientos mediante la combinación de BiLSTM y mecanismos de autoatención. Agrupamos los textos de Weibo según las personalidades y construimos un léxico de personalidades utilizando la teoría de los Cinco Grandes y algoritmos de agrupamiento. Se entrenaron clasificadores de sentimientos separados para cada grupo de personalidades utilizando BiLSTM y autoatención, y sus predicciones se combinaron mediante aprendizaje de conjunto. El rendimiento del modelo P-BiLSTM-SA se evaluó en el conjunto de datos NLPCC2013 y mostró mejoras significativas en la precisión. En particular, logró una precisión del 82.88% en el conjunto de datos NLPCC2013, una mejora del 7.51% sobre el modelo de línea base BiLSTM-SA. Los resultados destacan la efectividad de incorporar factores de personalidad en la clasificación de sentimientos de textos cortos.