基于联合学习的问答情感分类方法

安明慧，沈忱林，李寿山,李逸薇

(1. 苏州大学 计算机科学与技术学院，江苏 苏州 215006；2. 香港理工大学 人文学院中文及双语系，香港 999077)

0 引言

随着互联网技术的飞速发展，网络购物成为了广大消费者的首选购物方式，国内电子商务平台也随之迎来了爆发式的增加。2018年“双十一”期间天猫销售额达到了2 135亿元，京东销售额达到了1 598亿元，苏宁的订单量也同比增长了132%。电商平台的飞速发展使得平台上的评价信息也随之飞速增加。对电商平台而言，如何有效利用这些评价信息[1]，特别是问答型评论，来进行平台舆情分析、商品质量检测和客服质检[2]等应用的开发，是维护平台公平性和保证用户购物体验的重中之重。情感分析技术在这些领域中扮演着极其重要的角色。

目前，针对电商评论的情感分类方法大多为基于全监督的机器学习方法，这类方法往往需要大规模的标注语料[3]。然而面向问答型评论的情感分类语料集十分匮乏，额外标注大规模问答型评论的成本又十分昂贵，基于此本文探索一种基于联合学习的问答情感分类方法。例1为问答型评论实例，例2为普通评论实例，我们可以发现问答型评论和普通评论具有十分相似的情感描述信息，因此,我们可以使用大量自然标注普通评论通过联合学习的方式，辅助提升问答型情感分类任务的性能。

例1问题：手机是不是很耗电啊？

答案：不会呀。

情感： 正面

例2评论：手机电池很持久，待机耗电很低，用两天没问题，很不错。……