يُقدّم هذا البحث طريقة جديدة لتصنيف الاتجاه العاطفي للجوانب في مراجعات المنتجات. ونُطلق على هذه الطريقة اسم "شبكات الذاكرة الثنائية الطويلة القصيرة الذاكرة باستخدام قناع البت" (Bitmask Bidirectional Long Short Term Memory Networks). تعتمد هذه الطريقة على شبكات الذاكرة الطويلة القصيرة الذاكرة (LSTM)، وهي نموذج شائع التذكير في مجال معالجة اللغة الطبيعية. تستخدم الطريقة المقترحة طبقة قناع البت (bitmask layer) للحفاظ على التركيز على الجوانب المحددة. وقد تم تقييم الأداء على مراجعات متعلقة بمجالات المطاعم وأجهزة الحاسوب المحمولة من ثلاث مسابقات شهيرة: مهمة SemEval-2014 المهمة 4، وSemEval-2015 المهمة 12، وSemEval-2016 المهمة 5. وقد حققت الطريقة نتائج تنافسية مقارنة بالطرق المتقدمة التي تعتمد على شبكات LSTM. علاوة على ذلك، نُظهر فائدة استخدام قواميس المشاعر (sentiment lexicons) وتمثيلات الكلمات (word embeddings) المخصصة لفئة معينة من المجالات في تحليل المشاعر القائمة على الجوانب.