面向观点目标抽取与目标情感预测的统一的模型

基于目标的情感分析包含观点目标抽取和目标情感分类。然而，现有工作大多仅单独研究这两个子任务之一，这阻碍了其实际应用。本文旨在以端到端的方式解决基于目标的情感分析的完整任务，并提出一种采用统一标注方案的新颖统一模型。我们的框架包含两个堆叠的循环神经网络：上层预测统一标签以产生基于目标的情感分析主任务的最终输出结果；下层执行辅助的目标边界预测，旨在引导上层网络提升主任务的性能。为探索任务间依赖关系，我们提出对从目标边界到目标情感极性的受限转移进行显式建模。我们还提出通过门控机制维持一个观点目标内的情感一致性，该机制对当前词与前一词的特征之间的关系进行建模。我们在三个基准数据集上进行了大量实验，我们的框架一致地取得了优越的结果。