摘要
话语解析（Discourse Parsing）与情感分析（Sentiment Analysis）是自然语言处理中的两项基础任务，已有研究表明二者具有相互促进的潜力。在本研究中，我们设计并比较了两种基于神经网络的模型，用于联合学习这两项任务。在所提出的框架中，我们首先为输入句子中的所有文本片段生成向量表示。随后，我们采用三种不同的递归神经网络（Recursive Neural Network）模型：分别用于话语结构预测、话语关系预测以及情感分析。最后，我们将这些神经网络以两种不同的联合学习方式整合：多任务学习（Multi-tasking）与预训练（Pre-training）。在两个标准语料库上的实验结果表明，两种方法均能提升各项任务的性能，但多任务学习带来的提升效果优于预训练。特别地，在话语解析任务中，我们观察到对对比关系（contrastive relations）预测性能的显著改善。