基于领域特有情感词注意力模型的跨领域属性情感分析

赵光耀，吕成国，付国宏，刘宗林，梁春丰，刘 涛

(1. 黑龙江大学 计算机科学与技术学院，黑龙江 哈尔滨 150080；2. 苏州大学 人工智能研究院，江苏 苏州 215006)

0 引言

随着互联网技术的发展以及京东、携程和淘宝等电子商务平台的普及，涌现了大量关于产品和服务的用户评论数据。通过这些评论数据的用户情感倾向分析，不但能够帮助用户选择商品，而且有助于商家即时获取用户的反馈信息。因此，情感分析，特别是细粒度的属性情感分析近年来得到广泛的关注[1-4]，其目的是识别句子中目标属性的情感极性(如正面、负面和中性)。以“各方面还是不错的，唯独[屏幕]拖影严重，看的眼睛刺痛”为例，“屏幕”是目标属性，“拖影严重”是对“屏幕”带有负面情感倾向的细节描述，所以可以判断出该属性的情感极性为负面。

主流的数据驱动的属性情感分析方法依赖于充足的训练语料[3-4]。但由于语料标注的成本高，很难在每个领域都能够得到大规模、高质量的训练语料。针对训练语料不足的问题，一些研究尝试将与目标领域相似的源领域样本直接迁移到目标领域中[5-6]。此外，使用大量的目标领域无标注数据能增强模型对目标领域数据的学习能力[7]，而且获取大量的无标注数据也相对较为容易。因此，本文采用半监督迁移学习，充分利用已有的源领域有标记数据、少量目标领域有标记数据和大量目标领域无标记数据，探索跨领域属性情感分析问题。

基于迁移学习的建模方法主要有特征选择[8-9]和数据分布自适应[10-11]等。……