近日，公司2021级网络空间安全专业研究生郑永强同学在中科院一区、人工智能top期刊《Information Sciences》上发表了题为《Store,share and transfer: Learning and updating sentiment knowledge for aspect-based sentiment analysis》的学术论文，作者为Yongqiang Zheng(郑永强，第一作者)、 Xia Li（李霞，导师，通讯作者）和Jianyun Nie。
方面级情感分析(aspect-based sentiment analysis,ABSA)是一种细粒度情感分析任务,旨在识别句子中描述事物不同方面的情感极性（正面、中性或负面）。由于方面级情感分析可以对文本中的不同方面或特定实体进行情感分析，因此在产品评论分析和舆情挖掘等场景下有广泛应用。
现有研究结果表明，融合人类先验情感知识可以提高方面级情感分析的性能，同时证明了先验情感知识对该任务的重要性。已有研究在融合先验情感知识的过程中，主要围绕句子内部情感信息的获取，而忽略了情感表达的领域性特点。针对该问题，论文提出一种可以对情感知识进行存储、更新及共享的方面级情感分析方法，并在五个公开数据集（Twitter、Lap14、Rest14、Rest15和Rest16）上进行了实验，结果表明论文提出的方法在方面级情感分析任务上取得了优异的性能。另外，论文的另一大亮点是模型可以在不同数据集之间实现情感知识的迁移。得益于论文所提出的语料库级别的情感知识融合机制，使得模型可以对情感知识进行存储、更新和共享，这样在训练相同领域的其他数据集时，作者提出将预先训练好的情感知识节点表示用于初始化新的模型节点表示，从而在相同领域数据集上实现情感的知识迁移，该策略在Rest14、Rest15和Rest16三个数据集上得到了验证。
论文模型图
初稿：bevictor伟德官网
复审：李霞、王连喜
终审：柯晓华
