基于结构化作用域的学习：通过混合图卷积网络提升方面级情感分析

方面级情感分析旨在确定句子中针对特定目标的情感极性。该任务的主要挑战在于有效建模目标与情感之间的关系，从而过滤掉与无关目标相关的情感词噪声。近年来的多数方法通过目标-情感对或词级、短语级的观点跨度来捕捉这种关系。基于观察发现，目标与情感之间的关联本质上遵循短语—分句—句子的语法层级结构，因此有望利用全面的句法信息来更好地指导学习过程。为此，我们提出了“作用范围（Scope）”这一概念，用于界定与特定目标相关的结构化文本区域。为联合学习结构化的作用范围并预测情感极性，我们提出了一种混合图卷积网络（Hybrid Graph Convolutional Network, HGCN），该模型融合了成分句法树与依存句法树的信息，探索将两种句法解析方法相结合以丰富语义表示的潜力。在四个公开数据集上的实验结果表明，所提出的HGCN模型优于当前最先进的基线方法。