摘要

目标情感分类旨在预测输入文本中指定目标提及（target mentions）的情感极性。目前主流方法通常采用神经网络对输入句子进行编码，并提取目标提及与其上下文之间的语义关系。近年来，图神经网络（Graph Neural Network）被引入该任务，用于整合句法依存关系，取得了当前最优的性能表现。然而，现有方法未充分考虑依存关系中的标签信息，而这些标签在直观上具有重要价值。为解决该问题，本文提出一种新颖的关系图注意力网络（Relational Graph Attention Network），能够有效融合带有类型标注的句法依存信息。在标准基准数据集上的实验结果表明，所提方法能够充分利用标签信息，显著提升目标情感分类的性能。最终模型在多个任务上显著优于现有的基于句法的先进方法。