目标情感分类确定了句子文本对给定目标表达的情感极性。在执行目标情感分类任务时,首先需要确定对目标表达了情感的上下文,基于注意力机制的深度记忆网络(deep memory network,DMN)能有效的解决该问题,但是研究发现只基于注意力机制的深度记忆网络不能处理目标上下文情感依赖于具体目标的情况,而且用于目标情感分类任务的经典深度记忆网络模型,在生成上下文表示时,不能有效综合上下文单词之间的语义信息。为了确定目标的上下文,提出了一个基于注意力机制的深度记忆网络模型,该模型使用注意力机制来确定上下文对影响目标情感的权重。为了解决依赖于目标的上下文情感问题,在基于注意力机制的深度记忆网络模型的基础上,提出了一个对目标敏感的深度记忆网络模型,该模型利用注意力机制来获取决定目标情感的上下文信息,然后通过交互模块将上下文情感表示和上下文与目标之间的交互信息融合成分类特征,最后分类得到目标的情感极性。为了解决深度记忆网络模型生成上下文表示问题,在深度记忆网络模型中使用了TDLSTM结合注意力机制来适应性地生成目标的上下文表示。在SemEval 2014 task4的两个数据集上进行实验。基于注意力机制的深度记忆网络模型比传统模型实现了更好的F1-Macro值,最多提高了5.2%。对目标敏感的深度记忆网络模型比基于注意力机制的深度记忆网络模型的效果至多提高了5.49%。基于TDLSTM的深度记忆网络模型实现了最好的效果。实验结果表明,注意力机制能有效解决目标的上下文检测问题,考虑上下文与目标之间的交互信息能确定依赖于目标的上下文情感,TDLSTM模型能生成更好的上下文表示。