摘要
本文提出了一种用于产品评论中方面情感极性分类的新方法，称之为“位掩码双向长短期记忆网络”（bitmask bidirectional long short term memory networks）。该方法基于长短期记忆网络（LSTM），这是自然语言处理领域中广泛提及的一种模型。所提出的模型引入了位掩码层（bitmask layer），以增强对特定方面的关注能力。我们在三个主流竞赛的数据集上对该方法进行了评估，涵盖餐厅和笔记本电脑两个领域，分别为SemEval-2014任务4、SemEval-2015任务12以及SemEval-2016任务5。实验结果表明，该方法在性能上与当前基于LSTM的先进方法相当，具有竞争力。此外，本文还验证了在基于方面的情感分析中，使用特定领域的情感词典和词嵌入（word embeddings）所带来的显著优势。