LearningtoAttendviaWord AspectAssociativeFusion forAspect basedSentimentAnalysis

基于方面的情感分析（ABSA）试图预测相对于给定方面实体的给定文档的极性。尽管神经网络体系结构已经成功地预测了句子的整体极性，但是方面情感分析仍然是一个悬而未决的问题。在本文中，我们提出了一种整合方面信息语言模型的新方法。更具体地讲，我们通过建模词-方面关系来整合方面信息模型。给定方面术语的正确单词。这改善了其他利用朴素的级联对词-方面相似度进行建模的现有技术模型的缺陷。相反，我们的模型采用循环卷积和循环相关来建模方面和单词之间的相似性，并将其优雅地纳入可区分的神经注意框架中。最后，我们的模型是端到端可微的，并且与卷积相关（全息样）内存高度相关。我们提出的神经模型在基准数据集上实现了最先进的性