摘要
基于注意力机制的深度学习系统已被证明是方面级情感分析领域的最先进方法。然而，端到端的深度神经网络缺乏灵活性，当出现明显错误时难以进行调整，尤其在无法获取更多训练数据的情况下更为突出——例如，每当模型遇到“disappointed”（失望）一词时，总是将其预测为“正面”情感。与此同时，一个较少受到关注的问题是：注意力机制可能对句子的某些特定部分产生“过度聚焦”，从而忽略那些对判断情感极性至关重要的位置信息。本文提出了一种简单而有效的方法，通过引入词典信息来增强模型的灵活性与鲁棒性。此外，我们还探索了对注意力向量施加正则化的方法，以促使网络在句子的不同部分之间保持更广泛的“关注范围”。实验结果验证了所提方法的有效性。