基于记忆交互网络的方面情感分析

目前大多数方面级情感分析的解决方案是基于显示方面词嵌入及其位置加权展开的,但在隐式方面词及长文本场景下这类方法不再适用。为此,提出记忆交互网络。将长文本拆分为多个短句,构造多[CLS]的输入结构,从BERT中获取方面短语向量、各短句向量以及各短句的[CLS]向量。经过多次注意力交互,得到深层的情感分类特征。最终该模型的F1-Macro达到了70.40%,各类别的F1值均高于其他模型。