El reconocimiento de emociones del texto (TER) es una tarea importante de procesamiento del lenguaje natural (NLP) que se utiliza ampliamente en la interacción humano-computadora, análisis de opiniones públicas, análisis de salud mental y análisis de redes sociales. En este artículo, se propone un modelo de aprendizaje profundo basado en XLNet con unidad recurrente bidireccional y mecanismo de atención (XLNet-BiGRU-Att) para mejorar el rendimiento de TER. XLNet se utiliza para construir modelos de lenguaje bidireccionales que pueden aprender información contextual simultáneamente, mientras que la unidad recurrente bidireccional con compuertas (BiGRU) ayuda a extraer características más efectivas que pueden prestar atención a los estados actuales y anteriores utilizando capas ocultas y el mecanismo de atención (Att) proporciona diferentes pesos para mejorar la "atención" prestada a la información importante, mejorando así la calidad de los vectores de palabras y la precisión de los juicios del modelo de análisis de sentimientos. El modelo propuesto compuesto por XLNet, BiGRU y Att mejora el rendimiento en la tarea completa de TER. Se llevaron a cabo experimentos en la base de datos de Captura de Movimiento Diádico Emocional Interactivo (IEMOCAP) y en el conjunto de datos del Instituto de Automatización de la Academia China de Ciencias (CASIA) para comparar XLNet-BiGRU-Att, XLNet, BERT y BERT-BiLSTM, y los resultados muestran que el modelo propuesto en este artículo tiene un rendimiento superior en comparación con los demás.