摘要
神经网络方法在评论情感分类中取得了显著的成功。近期，一些研究通过整合用户和产品信息生成评论表示，从而实现了性能的提升。然而，在评论中我们观察到，某些词语或句子强烈表达了用户的偏好，而另一些则倾向于反映产品的特性。这两类信息在确定评论的情感标签时起着不同的作用。因此，将用户和产品信息一起编码为一个表示是不合理的。本文提出了一种新颖的框架来分别编码用户和产品信息。首先，我们应用两个独立的层次神经网络生成两种表示：一种关注用户偏好，另一种关注产品特性。然后，我们设计了一种组合策略，充分利用这两种表示进行训练和最终预测。实验结果表明，我们的模型在IMDB和Yelp数据集上明显优于其他最先进的方法。通过对与用户或产品相关的词语注意力进行可视化分析，我们验证了上述观察结果。