摘要

互联网已成为人们表达对特定实体及其相关方面观点的主要平台。基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）旨在从带有观点的文本中自动识别并计算针对这些方面的主观情感。本文在当前最先进的混合方法——基于方面的情感分析混合模型（Hybrid Approach for Aspect-Based Sentiment Analysis, HAABSA）基础上，从两个方向进行了拓展。首先，将原有的非上下文相关词嵌入（non-contextual word embeddings）替换为深度上下文相关词嵌入（deep contextual word embeddings），以更准确地捕捉文本中词语的语义信息。其次，通过在HAABSA的高层表示上引入额外的注意力层，构建分层注意力机制，从而提升模型对输入数据的建模灵活性。基于两个标准数据集（SemEval 2015 和 SemEval 2016）的实验结果表明，所提出的改进方法显著提升了ABS A模型的分类准确率。