方面级情感分类旨在识别特定目标在其上下文中的情感极性。以往的方法已经意识到目标在情感分类中的重要性，并开发了多种方法，通过生成目标特定表示来精确建模其上下文。然而，这些研究通常忽略了对目标的独立建模。本文认为，目标和上下文都值得特别处理，需要通过交互学习来分别学习它们的表示。为此，我们提出了交互注意力网络（Interactive Attention Networks, IAN），以在上下文和目标之间交互式地学习注意力，并分别生成目标和上下文的表示。通过这种设计，IAN模型能够很好地表示一个目标及其伴随的上下文，这有助于情感分类。实验结果表明，在SemEval 2014数据集上的测试证明了我们模型的有效性。