ニューラルネットワーク手法はレビューセンチメント分類において大きな成功を収めています。最近では、ユーザ情報と製品情報を組み合わせてレビュー表現を生成することで改善が見られた研究もあります。しかし、レビューにおいて、一部の単語や文章は強いユーザの好みを示し、他の単語や文章は製品の特性を示す傾向があります。これらの2種類の情報は、レビューのセンチメントラベルを決定する際に異なる役割を果たします。したがって、ユーザ情報と製品情報を一つの表現に統合するのは合理的ではありません。本論文では、新しいフレームワークを提案し、ユーザ情報と製品情報をそれぞれ独立してエンコードすることを目指しています。まず、2つの個別の階層型ニューラルネットワークを使用して、ユーザ注目または製品注目に基づく2つの表現を生成します。次に、これらの2つの表現を訓練および最終予測に最大限活用するための結合戦略を設計しました。実験結果は、IMDBおよびYelpデータセットにおいて当モデルが他の最先端手法よりも明確に優れていることを示しています。ユーザまたは製品に関連する単語に対する注意の可視化を通じて、上記で述べた観察が妥当であることを確認しました。