基于深度上下文词嵌入与层次化注意力机制的混合方法用于方面级情感分析

互联网已成为人们表达对特定实体及其相关方面观点的主要平台。基于方面的情感分析（Aspect-Based Sentiment Analysis, ABSA）旨在从带有观点的文本中自动识别并计算针对这些方面的主观情感。本文在当前最先进的混合方法——基于方面的情感分析混合模型（Hybrid Approach for Aspect-Based Sentiment Analysis, HAABSA）基础上，从两个方向进行了拓展。首先，将原有的非上下文相关词嵌入（non-contextual word embeddings）替换为深度上下文相关词嵌入（deep contextual word embeddings），以更准确地捕捉文本中词语的语义信息。其次，通过在HAABSA的高层表示上引入额外的注意力层，构建分层注意力机制，从而提升模型对输入数据的建模灵活性。基于两个标准数据集（SemEval 2015 和 SemEval 2016）的实验结果表明，所提出的改进方法显著提升了ABS A模型的分类准确率。