当数据集不包含标签文本信息时，现有的显式交互分类模型无法显式计算文本词与标签之间的语义关系。为了解决这个问题，提出了一种标签引导的双注意深度神经网络模型。首先，提出了一种基于逆标签频率的自动类别标签描述生成方法，为每个标签生成特定的标签描述，用于显式计算文本词和标签之间的语义关系。在此基础上，使用文本编码器学习带有上下文信息的评论文本表示，并提出了标签引导的双注意网络，分别学习基于自我注意和标签注意的文本表示。然后，通过自适应选通机制对两种文本表示进行融合，得到最终的文本表示。最后，以两层前馈神经网络为分类器，进行情感分类。在三个公共真实数据集上的实验表明，本文模型的分类效果更好，并且可以减少计算成本和训练时间