汪平凡

北京星网船电科技有限公司，北京 102308

0 前言

互联网技术的发展拓宽了信息交互的渠道，人们习惯在网络平台发表观点，表达个人情感。提取并分析带有个人情感色彩的文本信息可以帮助我们认识事物的多面性，具有一定的应用价值[1]。如何将非结构文本转化为计算机可以识别的结构化信息，以及如何有效识别文本中特定方面的情感倾向成为研究的热点。

传统的粗粒度级情感分析只关注文本整体情感倾向，无法深入挖掘句子中潜在的语义信息[2]。方面级情感分析旨在识别句子中某个特定实体或属性的情感倾向（如积极、消极、中性）。例如，给定一句话“餐厅的食物非常美味，但周围的环境很糟糕”，那么“食物”和“环境”这两个方面词的情感极性分别是积极和消极，因此，情感极性的判别不仅由句子的内容决定，而且与文本中特定方面词密切相关。如果我们忽略了方面词对整个句子的影响，就无法准确地分析出文本所表达的情感倾向[3]。

神经网络因其独特的优势而被研究者们应用在情感分析领域。TANG D等人[4]提出TD-LSTM模型，该模型使用两个LSTM网络分别对上下文和方面词建模，将得到的隐藏向量拼接起来输入到softmax层进行情感分类。GRAVES A等人[5]使用循环卷积神经网络进行文本分析，该方法从正反两个方向学习词语的时序关系。TAI KS等人[6]考虑了句子语义信息，在LSTM网络基础上引入外部依存树来提高情感分析的准确度。

由于句子中每个词对情感分类的贡献不同，注意力机制被应用到深度学习模型中为词语分配不同的权重分数。……