چکیده: تحلیل احساسات مبتنی بر جنبه، یک تکنیک تحلیل متن است که نظرات را بر اساس جنبه طبقه بندی می کند و احساسات مربوط به هرجنبه را مشخص می کند. این تکنیک می تواند برای تحلیل اتوماتیک بازخورد نظرات مشتریان به بخش های مختلف کالا یا خدمات مورد استفاده قرار گیرد و به کارفرمایان برای تمرکز بر نقاط نیازمند ارتقای کیفیت کمک کند. در این پایان نامه به معرفی یک معماری جدید مبتنی بر یادگیری عمیق برای تحلیل احساسات مبتنی بر جنبه خواهیم پرداخت که هدف آن ارائه یک روش برای طبقه بندی متن براساس حنبه است. با توجه به اینکه برای تحلیل احساسات نیازمند این هستیم که به طور موازی به تحلیل کلمات ورودی بپردازیم از لایه رمزگذار توجه استفاده کردیم تا نتایج بهتری با دقت بالا را ارائه دهیم. در اینجا دو معماری را پیشنهاد داده ایم که در مدل اول از دو لایه رمزگذار توجه)که یک جایگزین قابل موازی سازی و تعاملیLSTM است و برای محاسبه حالت های پنهان تعبیه های ورودی اعمال می شود( استفاده شده است و در مدل دیگر یک لایه رمزگذار توجه با چندین توجه چند سر و تبدیل کانولوشن نقطه ای استفاده شده است. آزمایش این معماری روی سه دیتاست مختلف رستوران و لپتاپ و توییتر انجام گردیده است که مقایسه آن با سایر روش های تحلیل احساس مبتنی بر جنبه، دقت بالای این روش را نشان خواهد داد. بعنوان نمونه، تحلیل احساس مبتنی بر جنبه روی دیتاست رستوران، میزان دقت را در مدل اول 0.8054و در مدل دوم 0.8187 نشان داده است که نسبت به روش های مشابه در این حوزه دقت بالاتری را کسب کرده است.