BiERU：用于对话情感分析的双向情感循环单元

对话中的情感分析近年来因其在诸多应用（如情感分析、推荐系统与人机交互）中的服务价值而受到越来越多的关注。对话情感分析与单句情感分析的主要区别在于存在可能影响对话中话语情感的上下文信息。然而，如何有效编码对话中的上下文信息仍具挑战。现有方法采用复杂的深度学习结构来区分对话中的不同参与方，进而对上下文信息建模。本文中，我们提出一种快速、紧凑且参数高效的忽略参与方的框架，名为用于对话情感分析的双向情感循环单元。在我们的系统中，设计了一个广义神经张量块后接双通道分类器，分别用于上下文组合性与情感分类。在三个标准数据集上的大量实验表明，我们的模型在大多数情况下优于当前最优（state of the art）。