Zielgerichtete Sentiment-Klassifizierung strebt an, die Sentiment-Polaritäten für einzelne Meinungsziele in einem Satz zu klassifizieren. RNN mit Aufmerksamkeitsmechanismus scheint gut auf die Eigenschaften dieser Aufgabe abgestimmt zu sein und erreicht tatsächlich den aktuellen Stand der Technik (state-of-the-art). Nach einer erneuten Überprüfung der Nachteile des Aufmerksamkeitsmechanismus und der Hindernisse, die CNN daran hindern, in dieser Klassifizierungsaufgabe gut abzuschneiden, schlagen wir ein neues Modell vor, um diese Probleme zu überwinden. Anstelle des Aufmerksamkeitsmechanismus verwendet unser Modell eine CNN-Schicht, um relevante Merkmale aus den transformierten Wortrepräsentationen zu extrahieren, die von einer bidirektionalen RNN-Schicht stammen. Zwischen den beiden Schichten schlagen wir ein Komponente vor, die zielgerichtete Repräsentationen der Wörter im Satz generiert und gleichzeitig einen Mechanismus zur Erhaltung der ursprünglichen kontextuellen Informationen aus der RNN-Schicht integriert. Experimente zeigen, dass unser Modell auf mehreren Benchmarks eine neue Spitzenleistung (state-of-the-art) erzielt.