在跨领域情感分析任务中，目标领域带标签样本严重不足，并且不同领域间的特征分布差异较大，特征所表达的情感极性也有很大差别，这些问题都导致了分类准确率较低。针对以上问题，提出一种基于胶囊网络的方面级跨领域情感分析方法。首先，通过BERT预训练模型获取文本的特征表示；其次，针对细粒度的方面级情感特征，采用循环神经网络（RNN）将上下文特征与方面特征进行融合；然后，使用胶囊网络配合动态路由来区分重叠特征，并构建基于胶囊网络的情感分类模型；最后，利用目标领域的少量数据对模型进行微调来实现跨领域迁移学习。所提方法在中文数据集上的最优的F1值达到95.7%，英文数据集上的最优的F1值达到了91.8%，有效解决了训练样本不足造成的准确率低的问题。
