用于目标方面情感分析的具有延迟记忆更新的循环实体网络

尽管神经网络在句子级情感分析中已展现出令人印象深刻的结果，但针对特定方面的细粒度情感极性分析（即目标方面情感分析，TABSA）——提取预定义方面的情感极性——仍然是一个难题。受近期机器阅读中增强记忆模型进展的启发，我们提出了一种新颖的架构，利用外部“记忆链”和延迟记忆更新机制来跟踪实体。在目标方面情感分析任务上，所提出的模型相较于现有最先进方法（包括使用外部知识库的方法）表现出显著的改进。