情感分析是自然语言处理的一个基础问题，广泛应用于人机对话，真假评论判别等。当前卷积神经网络在文本情感分析方面取得了不错的成绩，然而卷积神经网络未能充分提取文本信息中的关键情感信息。本文提出了一种基于注意力机制的深度学习模型AT-DCNN（Divide-Pooling convolution neural network with attention mechanism），利用注意力矩阵高度关注文本序列中对情感走向影响较大的部分，将提取的注意力特征矩阵与原词向量进行运算，形成注意力输入矩阵，再通过卷积神经网络二次提取特征。为了更好地提取转折等复杂句式特征，在池化层进行了“分池”操作。该模型在多个不同数据集上进行测试，实验结果表明模型具有很好的泛化性，尤其在处理转折等复杂句式时，分类准确率和F1值均有明显提升。