宋婷，陈战伟，杨海峰

1. 太原科技大学计算机科学与技术学院，山西 太原 030024；2. 中国移动通信集团山西有限公司，山西 太原 030001

1 引言

社交网络的使用日益频繁，如何从网络中挖掘并抽取用户的情感信息是自然语言处理的研究热点之一。基于方面的情感分析可针对不同方面挖掘用户深层次的情感，首先区分文本中同一实体的不同属性[1]，这是方面情感分析的第一个子任务——方面词的提取，提取的内容可以是一个单词，也可以是一个短语；接着针对各个方面词分析情感极性。例如句子“Good food but dreadful service at that restaurant”，通过分析可知，该语句评论的实体是餐厅，分别对两个方面（即food和service）进行了相应的情感表达，二者的情感极性分别是积极和消极。在初期研究中，文本的分类问题使用的是传统的机器学习方法，首先在训练集上分析、提取数据信息，构建分类模型，从而预测未被标注的数据。传统机器学习构建手工特征的方法是人工规则和特征工程，这是一个较为烦琐的过程[2]。近年来，深度学习被广泛应用在自然语言处理领域，并取得了较好的成绩，深度学习结合注意力机制在基于方面的情感分析中取得了比传统网络模型更好的效果。深度学习还被应用在机器翻译[3]、句子对建模[4]等方面。深度学习最大的特点是能自动学习批量数据，继而挖掘数据中的潜在特征，利用注意力机制加深对目标内容的关注，在训练过程中依次调整参数[5-6]。

目前结合深度学习的方面情感分析模型还存在许多问题，如基于卷积神经网络的模型使用滤波器仅获取文本句子内部对象的依赖关系；……