杨春霞，李欣栩，瞿 涛，秦家鹏

1(南京信息工程大学 自动化学院，南京210044)2(江苏省大数据分析技术重点实验室，南京210044)3(江苏省大气环境与装备技术协同创新中心，南京210044)

E-mail:y.cx@163.com；nuistlxx@163.com

1 引 言

文本情感分析通常是利用人们生成的文本对观点或情感进行分析，在自然语言处理和数据挖掘方面具有很重要的影响[1].近年来，随着如亚马逊、Yelp和IMDB等网站评论呈爆发式增长，情感分析受到各领域学者越来越多的关注.

文档级情感分类旨在预测文本的整体情感极性(如划分成1-5或者1-10类)[1],其关键在于提取文本特征，现如今虽然一些学者使用神经网络在自动学习文本特征方面取得了较好效果[2-5]，但是如何挖掘文本更深层的特征和语义关联特征一直是研究的热点问题.另一方面，现有的网络大多数只考虑局部文本信息，忽略了用户信息和产品信息等分类元数据.Tang[6]等人将用户信息和产品信息融入到词嵌入层和池化层中，提高了分类效果，初步说明融合分类元数据对挖掘文本相关特征和语义关联有所帮助.但是在建模过程中融合分类元数据工作还有待加强.

本文的主要贡献如下：

1) 本文结合DBLSTM和self-attention网络层来捕捉文本深层特征和语义关系.输入的时序数据在DBLSTM的每一层进行训练，最后一层输出值通过self-attention进一步来提取重要特征和语义关系.

2) 考虑到分类元数据对分类结果的影响，本文结合分类元数据构建自定义分类器，该分类器通过上下文感知注意力为分类元数……