استخدام معلومات المستخدم/المنتج في تحليل المشاعر مهم بشكل خاص بالنسبة للمستخدمين/المنتجات الجدد، الذين يملكون عددًا محدودًا جدًا من التعليقات. ومع ذلك، فإن النماذج الحالية لا تعالج مشكلة البداية الباردة التي تعتبر شائعة في مواقع التعليقات. في هذا البحث، نقدم تصنيف المشاعر السياقي الهجين (HCSC)، والذي يتضمن وحدتين: (1) مُشفر الكلمات السريع الذي يعيد كلمات متجهة تم تضمينها بخصائص الاعتماد القصير والطويل المدى؛ و(2) آلية الانتباه الواعية لمشكلة البداية الباردة (CSAA)، وهي آلية انتباه تأخذ بعين الاعتبار وجود مشكلة البداية الباردة عند تجميع المتجهات المشفَّرة للكلمات باعتبارها. يُدخل HCSC متجهات مشتركة يتم بناؤها من مستخدمين/منتجات متشابهة، ويتم استخدامها عندما لا تحتوي المتجهات الفريدة الأصلية على معلومات كافية (أي بداية باردة). يتم تحديد هذا بواسطة متجه بوابة اختياري مرشد بالتردد. أظهرت تجاربنا أن HCSC يؤدي بشكل أفضل بكثير من حيث MSE الجذر التربيعي عندما يتم مقارنته معsets البيانات الشهيرة، رغم أنه أقل تعقيدًا وبالتالي يمكن تدريبه بشكل أسرع بكثير. وأهم من ذلك، أن نموذجنا يؤدي بشكل أفضل بكثير من النماذج السابقة عندما تكون بيانات التدريب نادرة وتواجه مشكلة البداية الباردة.