面向细粒度方面级情感分析的无监督语义文档表征学习

文档表征是许多机器理解自然语言处理任务的核心。以无监督方式学习到的通用表征保留了通用性，可用于多种应用。在实践中，情感分析（SA）一直是一项具有挑战性的任务，被认为与语义深度相关，并常被用来评估通用表征。现有的无监督文档表征学习方法可分为两类：序列方法，显式考虑词序；非序列方法，不显式考虑词序。然而，两者都有各自的弱点。本文提出一个模型，克服了两类方法所遇到的困难。实验表明，我们的模型在流行的SA数据集和细粒度方面级SA上，以较大优势超越了最先进的方法。