毛腾跃，郑志鹏，郑禄

（中南民族大学 计算机科学学院&湖北省制造企业智能管理工程技术研究中心，武汉 430074）

情感分析（Sentiment Analysis，SA）是自然语言处理（Natural Language Processing，NLP）领域的重要研究方向之一，其中针对文本信息的方面级情感分析（Aspect-Based Sentiment Analysis，ABSA）是更加细粒度子任务，它不仅在学术界被广泛关注，在工业界中也应用广泛，亚马逊、淘宝等电商网站针对商品评论进行情感分析［1］，可以为企业和用户提供实时反馈，改善产品服务和用户体验.

在方面级情感分析任务中，用户的评论往往会包含针对单个目标或多个目标的几个不同方面，例如：“The food is so good and so popular that waiting can really be a nightmare.”中，“food”方面的情感极性是积极的，但是针对“service”方面的情感极性是消极的.ABSA的任务就是识别实体对象在特定方面的细粒度情感极性［2］.

早期的方面情感分析主要基于人工构建的情感词典、语法规则等相关特征，再结合朴素贝叶斯（NBM）［3］、支持向量机（SVM）［4］等模型来训练分类器，进而得到特定方面的情感极性.近年来，随着深度学习方法的广泛应用，ABSA任务目前大多采用的是诸如循环神经网络的相关模型；同时，由于注意力机制在文本分类上的显著效果，越来越多的研究人员开始使用注意力机制来挖掘方面词和上下文之间的关系［5］.

目前有研究注意到，传统的应用于情感分析的注意力机制在训练时，对于出现频率高的情感词，注意力机制往往会倾向于给其分配较高的注意力权重，而对于出现频率低的情感词，注意力的权重分配不足［6］.如表1所示，在列举的……