تركز هذه الأطروحة على ما يسمى تحليل المشاعر التي تحملها كلمة (الكلمة المستهدفة) في النص، وهذه الكلمة من الممكن أن تكون موضوعاً أو جانب من هذا الموضوع، بينما يشير قطبية المشاعر، كما هو مستخدم في الأبحاث بهذا الشأن، إلى اتجاه رأي الشخص أو عاطفته، والتي يمكن أن تكون موجبة أو سلبية أو محايدة. فيما يتعلق بمعالجة اللغة الطبيعية، تظل مشكلة اكتشاف رأي الشخص بالضبط حول الكلمة المستهدفة (التي تحمل الرأي)، وكيف تؤثر كلمات السياق المختلفة المستخدمة على الشعور تجاه الكلمة المستهدفة أمرًا صعبًا. فيما يتعلق بتحليل المشاعر، فإن المصاعب الموجودة في مجموعات البيانات المختلفة، مثل الهياكل النحوية والدلالية، هذا العمل مصمم لمواجهة هذه التحديات، يتم تحديد واستخراج الكلمات المستهدفة في الجملة، ثم يتم توقع قطبية المشاعر، سواء كانت إيجابية أو سلبية أو محايدة، لكل كلمة مستهدفة، وهي عملية يتم تحقيقها من خلال قياس الارتباط الدلالي بين الكلمة المستهدفة والسياق المحيط بها. يمكن إعطاء مثال من خلال النظر في الجملة التالية: "النادلات لطيفات، لكن الخدمة بطيئة": هنا، الكلمة المستهدفة "نادلات" لها قطبية عاطفية إيجابية، بينما "الخدمة" لها قطبية عاطفية سلبية. نظرًا للنجاح المستمر لتكنولوجيا التعلم العميق في مجال البرمجة اللغوية العصبية و TDSA على وجه التحديد، فإننا نهدف إلى تقديم نهج هجين يُعرف باسم الذكريات طويلة الأجل القائمة على الانتباه لتحليل المشاعر المعتمدة على الكلمة المستهدفة في النص (TD-LSTMs)، والذي تم اعتماده يجمع بين مزايا آلية الانتباه والنتائج الإيجابية لتطبيق الشبكة العصبية العميقة ذات الذاكرة الطويلة المدى (LSTM)، مع آلية الانتباه المستخدمة لتخصيص درجات انتباه أعلى لكلمات السياق التي تشير بوضوح أكبر إلى قطبية المشاعر للكلمة المستهدفة.