アスペクトレベルの感情分類に深層メモリネットワークを導入します。特徴量ベースのSVMやLSTMなどの逐次的ニューラルモデルとは異なり、この手法はアスペクトの感情極性を推論する際に各コンテキスト単語の重要度を明示的に捉えます。その重要度と文章表現は、外部メモリ上のニューラル注意モデルである複数の計算層で計算されます。ラップトップおよびレストランデータセットでの実験結果から、当手法が最先端の特徴量ベースSVMシステムと同等の性能を示し、LSTMや注意機構付きLSTMアーキテクチャよりも大幅に優れていることが確認されました。両データセットにおいて、複数の計算層が性能向上に寄与することが示されています。さらに、当手法は高速です。9層の深層メモリネットワークは、CPU実装の場合でもLSTMよりも15倍速い性能を発揮します。