中文情感分析（CSA）由于其复杂性和不确定性一直是自然语言处理的挑战之一。Transformer 已成功用于语义理解。但是，它通过位置编码来捕捉文本中的序列特征，这与循环模型相比自然是不足的。为了解决这个问题，我们提出了 TE-GRU。TE-GRU 结合了 Transformer 编码器强大的全局特征提取和 GRU 用于 CSA 的自然序列特征提取。在三个真实的中文数据集上进行了实验评估，实验结果表明，TE-GRU 相对于循环模型、带注意力的循环模型和基于 BERT 的模型具有独特的优势。

"点击查看英文标题和摘要"