本稿では、製品レビューデータにおける特定の側面（aspect）に対する感情極性を分類するための新規手法を提案する。本手法を「ビットマスク双方向LSTMネットワーク（bitmask bidirectional long short term memory networks）」と呼ぶ。この手法は、自然言語処理分野で頻繁に登場する長短期記憶ネットワーク（LSTM）を基盤としており、特に特定の側面に注目を集中させるためにビットマスク層を導入している。提案手法の有効性を、SemEval-2014 Task 4（レストラン領域）、SemEval-2015 Task 12（ラップトップ領域）、SemEval-2016 Task 5（複数領域）の3つの著名なコンテストで公開されているレビューデータを用いて評価した結果、最新のLSTMベース手法と比較しても競争力ある性能を示した。さらに、特定のドメインに特化した感情辞書（sentiment lexicon）および単語埋め込み（word embeddings）を活用することによる、側面ベース感情分析における利点を実証した。