حققت نماذج التسلسل العصبية نجاحًا كبيرًا في تصنيف المشاعر على مستوى الجملة. ومع ذلك، فإن بعض النماذج معقدة بشكل استثنائي أو تعتمد على ميزات باهظة الثمن. بينما يعترف بعض النماذج الأخرى بقيمة الموارد اللغوية الموجودة، إلا أنها تستغلها بشكل غير كافٍ. تقدم هذه الورقة طريقة جديدة وعامة لدمج معلومات القاموس، بما في ذلك قواميس المشاعر (+/-)، كلمات النفي والمكثفات. يتم تسمية الكلمات بتصنيفات دقيقة وساذجة. الطريقة المقترحة تقوم أولاً بتشفير التصنيفات الدقيقة في غرسات المشاعر وربطها بغرسات الكلمات. ثانيًا، يتم استخدام التصنيفات الساذجة لتعزيز آلية الانتباه (الاهتمام) لمنح وزن كبير للكلمات ذات الصلة بالمشاعر. تظهر نتائج التجارب أن طرقنا يمكن أن تزيد من دقة التصنيف لنماذج التسلسل العصبية على كل من مجموعة بيانات SST-5 ومجموعة بيانات MR. خصوصًا، يمكن للنموذج ثنائي الاتجاه LSTM المعزز أن يقارن حتى بنموذج Tree-LSTM الذي يستخدم تسميات باهظة الثمن على مستوى الجملة. يُظهر التحليل الأعمق أن في معظم الحالات يمكن للمورد القاموسي تقديم التسميات الصحيحة. بالإضافة إلى ذلك، فإن الطريقة المقترحة قادرة على التغلب على تأثير التسميات الخاطئة الحتمية.请注意，"Bi-LSTM" 和 "Tree-LSTM" 是专有名词，因此在阿拉伯语中保留了它们的英文形式。同时，“细粒度”和“粗粒度”标签被翻译为“تصنيفات دقيقة”和“تصنيفات ساذجة”，这是这些术语在阿拉伯语中的常用译法。