アスペクトレベルの感情分析は、与えられた文における各特定のアスペクト語の感情極性を区別することを目的としている。産業界および学術界の両方において、アスペクト語と文との関係性の重要性が認識されており、多数の注目メカニズム（attention model）を設計することでその関係をモデル化しようとする試みがなされている。しかし、既存の大多数の手法は、アスペクト語の感情極性を特定する上で位置情報（position information）が重要な役割を果たすという事実を無視しがちである。アスペクト語が文中に出現する際、その隣接語（近接語）は距離の遠い他の語よりもより注目されるべきである。そこで本研究では、双方向GRU（Bidirectional GRU）に基づく位置情報に敏感な双方向注目ネットワーク（Position-aware Bidirectional Attention Network, PBAN）を提案する。PBANは、アスペクト語の位置情報を重視するだけでなく、双方向注目メカニズムを用いてアスペクト語と文との相互関係を同時にモデル化する。SemEval 2014データセットを用いた実験結果から、提案するPBANモデルの有効性が確認された。