摘要

分析人们对于特定方面的情感与态度，是自然语言理解领域的一项重要任务。本文提出了一种面向目标方面的情感分析新方法，通过利用常识知识，有效应对了基于方面的情感分析与目标导向情感分析所面临的双重挑战。我们采用一种分层注意力机制对长短期记忆网络（LSTM）进行增强，该机制包含目标层级注意力和句子层级注意力两个层次。同时，将与情感相关的常识知识融入深度神经网络端到端的情感分类训练过程中。为更紧密地将常识知识整合到循环编码器中，本文提出了一种LSTM的扩展模型，称为Sentic LSTM。在两个公开发布的数据集上进行的实验表明，所提出的注意力架构与Sentic LSTM相结合，在目标方面情感分析任务中能够超越当前最先进的方法。