杨春霞，李欣栩，吴佳君，刘天宇

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

4.佳木斯市汤原县气象局，黑龙江 佳木斯154000

近年来随着互联网的不断发展，各大平台充斥着大量用户对商品的评论，通过阅读和分析这些评论可以发现用户对产品的情感倾向。对评论中的情感倾向进行挖掘有助于用户获得个性化服务，也有助于商家及时调整销售策略。

情感分类是推荐系统、数据挖掘等领域的一项重要任务[1-2]。本文研究内容是针对评论的文档级情感分类，即假定每个文本均表达了用户对单一产品的情感，预期目标是确定评论的情感倾向。

目前许多学者[3-5]基于深度学习的方法搭建了分类模型并针对不同场景得到了不错的效果，但是针对评论的文档级情感分类任务为了提高分类效果，需要在通用的情感分类模型的基础上考虑用户数据和产品数据。Tang等[6]结合用户信息和产品信息建模，证实相关数据的添加有助于提高模型效果。但是评论中包含词粒度、句粒度和篇章粒度的文本信息，直接使用整条评论进行建模不可避免地会丢失部分信息。文献[7-8]将用户和产品信息融入注意力层并使用多个特征提取层，通过获取不同粒度的信息来提高模型效果，实验证明层次网络具有更强大的特征提取能力，在建模过程中添加用户数据和产品数据帮助分类也是很有必要的。……