当前存在着大量的语言知识和情感资源，但在基于深度学习的情感分析研究中，这些特有的情感信息，没有在情感分析任务中得到充分利用。针对以上问题，该文提出了一种基于多通道双向长短期记忆网络的情感分析模型(multi-channels bidirectional long short term memory network，Multi-Bi-LSTM)，该模型对情感分析任务中现有的语言知识和情感资源进行建模，生成不同的特征通道，让模型充分学习句子中的情感信息。与CNN相比，该模型使用的Bi-LSTM考虑了词序列之间依赖关系，能够捕捉句子的上下文语义信息，使模型获得更多的情感信息。最后在中文COAE2014数据集、英文MR数据集和SST数据集进行实验，取得了比普通Bi-LSTM、结合情感序列特征的卷积神经网络以及传统分类器更好的性能。
