摘要
本文关注了基于方面的情感分析中的两个相关子任务，即方面项提取和方面情感分类，我们称之为方面项-极性共提取。前者任务是从意见文档中抽取产品或服务的各方面特征，后者则是识别文档中对这些抽取方面的表达极性。现有的大多数算法将这两个任务视为独立的任务并逐一解决，或者仅执行其中一个任务，这在实际应用中可能会变得复杂。在本文中，我们将这两个任务视为两个序列标注问题，并提出了一种新颖的双交叉共享RNN框架（Dual crOss-sharEd RNN, DOER），以同时生成输入句子的所有方面项-极性对。具体而言，DOER包含一个双循环神经网络来提取每个任务的相应表示，并通过一个交叉共享单元来考虑它们之间的关系。实验结果表明，所提出的框架在三个基准数据集上优于最先进的基线方法。