対象指向感情分類（targeted sentiment classification）は、入力テキスト内の指定された対象表現に対する感情極性を予測するタスクである。従来の主流手法は、入力文を符号化し、対象表現とその文脈との関係を抽出するためにニューラルネットワークを用いている。近年、依存構文情報を統合する目的でグラフニューラルネットワーク（GNN）が検討され、最先端の性能が達成されている。しかし、既存の手法は依存関係のラベル情報を考慮していない点が課題であり、直感的に有用な情報であるにもかかわらずである。この問題を解決するため、タイプ付き構文的依存関係情報を統合する新たな関係グラフアテンションネットワークを提案する。標準ベンチマーク上での実験結果から、本手法がラベル情報を効果的に活用し、対象指向感情分類の性能向上に寄与することを示した。最終的なモデルは、従来の構文ベースの最先端手法を顕著に上回る性能を達成した。