في الآونة الأخيرة، شهد تحليل المشاعر تقدماً ملحوظاً بفضل نهج التدريب المسبق. ومع ذلك، يتم تجاهل معرفة المشاعر، مثل كلمات المشاعر وأزواج الجوانب-المشاعر، في عملية التدريب المسبق، رغم أنها مستخدمة على نطاق واسع في طرق تحليل المشاعر التقليدية. في هذا البحث، نقدم التدريب المسبق المعزز بمعرفة المشاعر (SKEP) من أجل تعلم تمثيل مشاعر موحد للعديد من مهام تحليل المشاعر. بمساعدة المعرفة المستخرجة آلياً، يقوم SKEP بحجب المشاعر وإنشاء ثلاثة أهداف للتنبؤ بمعرفة المشاعر، وذلك بهدف دمج المعلومات العاطفية على مستوى الكلمات والاتجاهات والجوانب في التمثيل العاطفي المُدرَّب مسبقاً. بشكل خاص، يتم تحويل التنبؤ بأزواج الجوانب-المشاعر إلى تصنيف متعدد العلامات (multi-label classification)، بهدف التقاط الارتباط بين الكلمات في الزوج. أظهرت التجارب على ثلاثة أنواع من مهام تحليل المشاعر أن SKEP يتفوق بشكل كبير على خط الأساس القوي للتدريب المسبق، ويحقق نتائج جديدة رائدة على معظم قواعد البيانات الاختبارية. لقد أطلقنا كودنا في https://github.com/baidu/Senta.