摘要
基于方面的情感分析（Aspect-based Sentiment Analysis, ABSA）包含三个子任务：方面词提取、观点词提取以及方面级情感分类。现有大多数研究仅聚焦于其中某一子任务。尽管近年来已有若干研究尝试通过统一框架解决完整的ABSA问题，但三个子任务之间的交互关系仍未得到充分挖掘。我们认为，这些关系蕴含了不同子任务间的协同信号。例如，当观点词为“美味”时，其对应的方面词应为“食物”而非“场所”。为充分挖掘此类关系，本文提出一种关系感知的协同学习框架（Relation-Aware Collaborative Learning, RACL），该框架通过堆叠式多层网络中的多任务学习机制与关系传播机制，使各子任务能够协同运作。在三个真实世界数据集上的大量实验结果表明，RACL在完整ABSA任务上显著优于当前最先进的方法。