黄建民，李 强,2，王雪绒，李聪聪

基于BERT融合多模块的方面级情感分析

黄建民1，*李 强1,2，王雪绒1，李聪聪1

（1.兰州财经大学信息工程学院，甘肃，兰州 730020；2.兰州财经大学电子商务综合重点实验室，甘肃，兰州 730020）

现有的BERT模型大多关注初始层到中间层的语法信息，而更高层的语义信息往往被忽略。由于判断句子情感是需要语义的，本研究在BERT模型的基础上加入并行聚合和层次聚合两个模块，分别用于方面抽取(AspectExtraction, AE)和方面情感分类(Aspect Sentiment Classification, ASC)。同时选择条件随机场(Conditional Random Fields,CRF)作为序列标记任务,从而提取到更多的语义信息。在SemEval 2014、SemEval 2016数据集上的实验结果显示，微调后的模型准确率和F1值均优于对比模型，证实了该模型的有效性。

BERT；序列标注；微调；情感分析

与句子级、篇章级情感分析任务[1-2]不同，方面级情感分析是一种细粒度情感分析任务，其目的是确定句子中目标的不同方面（也称“属性”，本文用“方面”表示）所表达的情感极性，其两个主要任务为方面抽取和方面情感分类。方面抽取任务的目标提取产品的特定方面，并在评论中表达一些情感。例如，在“There is a kettle on the table”这个句子中，kettle一词是被提取的方面。这个任务可以看作是一个序列标记任务，从三个字母集合{B, I, O}中给单词分配一个标签，序列中的每个单词可以是aspect term 的开始词(B)，也可以属于aspect term之间 (I)，或者不是aspect term (O)。方面情感分类是对某个对象的情感极性进行分类。任务描述可描述为给定一段文本 S = {w1, w2,…, wn}，文本中包含 K 个 aspect terms（K ≥ 1），每个 aspect term = {wa_1, wa_2,…, wa_m} 都是文本 S 中连续的子序列。方面情感分类任务目标是预测某一个 aspect term 在文本 S 中的情感极性。……