朱 敏，班 浩，赵 力

(1.常州信息职业技术学院电子工程学院，江苏 常州 213164；2.东南大学信息科学与工程学院，江苏 南京 210096)

互联网的快速发展使得社交媒体成为用户表达意见的重要渠道，因此有效挖掘用户评论的情感信息具有十分重要的应用价值[1]。情感分析任务根据粒度不同分为篇章情感分析、句子情感分析和方面级情感分析，篇章情感分析的目的是评估文档整体的情感倾向或情感等级。传统的情感分析方法通常是利用N 元文法模型(N-grams)将文档表示成稀疏特征向量，然后再基于支持向量机(SVM)等分类方法完成情感倾向或等级的预测。近年来随着深度学习理论的发展，神经网络在学习文档稠密特征表示的应用逐渐成熟，其中使用最为广泛的是卷积神经网络和循环神经网络[2]。前者能够学习到文本中的关键词等局部不变性特征，但不能有效利用单词的顺序信息，而且无法解决文本数据的长程依赖问题，因此仅适用于短文本和句子情感分析任务[3]。后者由于处理序列数据的特性，因此适用于长文本和篇章情感分析任务[4]。

根据语言学的组合性原理[5]，篇章语义信息的产生表现为由词到句、再由句到篇的层级结构，相同的单词和句子在不同语境下有可能表达不同甚至相反的语义。因此对于篇章情感分析，将文档简单地看作是单词序列处理是不合适的。为了能够更好地理解文档整体的语义信息，所构建的情感分析模型也应该需要适应这种层级结构。……