摘要
文本情感分析是获取文本数据中用户情感倾向的重要手段，其中方面级情感分析作为细粒度文本情感分析任务，有着更准确、更精细的分析对象以及重要的研究价值，被广泛应用于舆情监控、商品评论分析等领域。本文分别对方面级情感分析任务中的方面术语情感分类和端到端方面级情感分析这两个子任务进行分析研究。主要研究内容如下： 1.针对现有方面术语情感分类方法中情感特征提取不足以及其它方面术语存在干扰的问题，提出一种基于多注意力神经网络的方面术语情感分类模型。该模型首先对句子上下文和方面术语分别编码；然后利用词向量注意力机制建立句子上下文和方面术语间的语义交互联系以增强情感特征提取；接着使用位置注意力机制增强方面术语周围的情感特征以降低其它方面术语干扰，同时利用多层堆叠的自注意力机制增强模型的全局感受；最后融合多种情感特征并由分类器判断方面术语对应的情感极性。在Laptop、Restaurant和Twitter三个基准数据集上进行实验并分别取得了71.37%、72.60%和72.26%的宏平均F1值，实验结果表明本文所提模型取得的性能优于其它对比方法。 2.针对现有端到端方面级情感分析方法中共享特征单一以及子任务之间信息交互不足的问题，提出一种基于多任务学习的端到端方面级情感分析模型。该模型首先建立具有语义表征和语法表征的共享参数层，以丰富上层子任务所需的共享特征；然后分别建立方面术语提取子任务、意见术语提取子任务和文档级辅助任务的独享参数；接着使用深度上下文感知结构建立方面术语情感分类任务和其它提取子任务之间充足的显性交互关系；最后在多任务学习的范式下对所有任务进行联合训练。在Laptop14、Restaurant14和Restaurant15三个基准数据集上进行实验并分别取得了62.03%、71.15%和60.94%的宏平均F1值，实验结果表明本文所提模型取得的性能优于其它对比方法。
NETL