陈 虹，杨 燕，杜圣东

西南交通大学 信息科学与技术学院，成都611756

在互联网使用持续深化的趋势下，人们习惯于在互联网上学习、购物、社交等，并发表自己的评论，而这些评论包含了对事物不同方面的满意度。对这些评论语句进行分析和挖掘，得到其中的情感观点，能够对决策进行有利支持。

以往，情感分析的研究对象是整篇文章、整段话或整个句子，判断这些文章、段落或句子的整体情感倾向。然而在现实生活中，人们往往在一篇文章中包含不同的观点，甚至一个句子中就有相反的观点。例如，在句子“这部手机的拍照性能很不错，但是价格太贵了”中，“拍照性能”和“价格”两方面的情感极性是相反的。因此基于方面的情感分析被学者提出来，并且近年来已成为自然语言处理（natural language processing，NLP）领域的研究热点之一[1-2]。基于方面的情感分析相较于传统的文本情感分析可以挖掘用户更细腻的情感表达，分析用户对各个目标方面的具体情感观点，能够为决策者提供更加准确的决策支撑。

与传统的机器学习算法对比，深度学习具有更强的表达能力。深度学习重点研究如何对原数据进行特征提取以及表达的相关问题。对于NLP 任务，基于深度学习的方法在如何建模、表达、解释以及模型优化等方面具有明显优势。近年来，利用深度学习技术处理情感分析任务取得了较好的表现。

随着注意力机制的广泛应用，与神经网络结合的注意力机制模型取得了比传统算法更有效的结果。……