摘要

开放域目标情感分析旨在从句子中检测出意见目标及其情感极性。以往的研究通常将这一任务表述为序列标注问题。然而，这种表述方法存在诸如搜索空间庞大和情感不一致等问题。为了解决这些问题，我们提出了一种基于片段的提取-分类框架，在该框架下，多个意见目标在目标片段边界的监督下直接从句子中提取出来，然后利用这些片段的表示对相应的情感极性进行分类。我们进一步研究了该框架下的三种方法，即管道模型、联合模型和折叠模型。实验结果表明，我们的方法在三个基准数据集上始终优于序列标注基线方法。此外，我们发现与另外两种模型相比，管道模型的表现最佳。