摘要

基于方面的 sentiment 分析（情感分析）为自然语言句子生成一系列方面术语及其相应的情感。这项任务通常以流水线的方式进行，首先执行方面术语提取，然后对提取出的方面术语进行情感预测。尽管这种方法更容易开发，但它未能充分利用两个子任务之间的联合信息，并且没有利用所有可能有帮助的训练信息来源，例如文档级别的标注情感语料库。在本文中，我们提出了一种交互式多任务学习网络（Interactive Multi-Task Network, IMN），该网络能够在词级别和文档级别同时联合学习多个相关任务。与传统的多任务学习方法依赖于学习不同任务的共同特征不同，IMN 引入了一种消息传递架构，其中信息通过一组共享的潜在变量迭代地传递给不同的任务。实验结果表明，所提出的方法在三个基准数据集上优于多个基线方法。