摘要
方面级情感分类旨在确定评论句中针对特定意见目标的情感极性。由于一个句子可能包含多个情感-目标配对，因此该任务的主要挑战在于为不同目标分离出各自独立的意见语境。为此，注意力机制在以往最先进的神经网络模型中发挥了重要作用。该机制通过建模上下文词与目标之间的语义关联，能够有效捕捉每个上下文词对目标的重要性。本文在这一研究方向的基础上，提出了两种新方法以提升注意力机制的有效性：其一，提出一种更优的目标表示方法，以更好地捕捉意见目标的语义含义；其二，设计一种将句法信息融入注意力机制的新型注意力模型。我们在SemEval 2014、2015和2016年数据集上对基于注意力机制的LSTM（长短期记忆）模型进行了实验。实验结果表明，通过引入上述两种方法，传统的基于注意力的LSTM模型性能可得到显著提升。