针对现有的文档级情感分析模型大多只是考虑从词级对文本进行编码的问题，提出了一种基于多尺度卷积和门控机制的注意力情感分析模型。首先，使用多尺度卷积捕获不同粒度的局部相关性，从而得到更多不同层次的文本语义信息并形成更丰富的文本表示；其次，考虑到用户个性及产品信息对文本情感分类的影响，将全局用户产品信息融合到注意力中捕捉与用户和产品相关度较高的关键语义成分来生成文档表示；然后，引入门控机制来控制情感信息流向汇集层的路径；最后，通过全连接层和argmax函数实现情感分类。实验结果表明，与基准模型中性能最好的相比，所提模型在IMDB和Yelp2014两个数据集上的情感分类准确率分别提高了1.2个百分点和0.7个百分点，并且在IMDB和Yelp2013数据集上获得了最小的均方根误差（RMSE）。
