摘要
文档级情感分类旨在为用户评论分配情感极性。以往的方法要么仅依赖文档内容，忽视用户与产品信息，要么未能全面考量用户、产品及二者结合信息在文本建模中的作用。本文提出一种新思路：在判断文档情感时，用户、产品及其交互信息均可能影响词语与句子注意力的生成。基于此，我们提出了级联多路注意力（Cascading Multiway Attention, CMA）模型，通过级联多种利用用户与产品信息的方式，协同影响词层与句层注意力的生成。由此，句子与文档能够被多个表示向量充分建模，为情感分类提供丰富的语义信息。在IMDB和Yelp数据集上的实验结果验证了所提模型的有效性。