针对主流面向文本的读者情绪预测算法难以捕捉文本中复杂的语义和语法信息，以及局限于使用多标签分类方法的问题，提出一种融合注意力机制和卷积门限循环神经网络的读者情绪预测方法。该方法将文本划分为多个句子，利用卷积神经网络从每个句子中提取不同粒度的n-gram信息，构建句子级别的特征表示；然后通过门限循环神经网络顺序地集成这些句子特征，并利用注意力机制自适应地感知上下文信息提取影响读者情绪的文本特征；最后利用softmax回归进行细粒度的读者情绪分布预测。在雅虎新闻读者情感分析数据集上的实验结果证明了该方法的有效性。
