分类器 模型

Majority是一种基本的基线方法，它将训练集中最大的情感极性分配给测试集中的每个样本。

LSTM使用一个LSTM网络对上下文进行建模，并将所有隐藏状态的平均值用作最终表示来估计情绪概率。

TD-LSTM采用两个LSTM网络分别为目标和右上下文建模左上下文。左右目标依赖表示被连接以预测目标的情感极性（Tang等，2016a）。

AE-LSTM首先通过LSTM网络对上下文词进行建模，然后将隐藏状态一词与方面嵌入相结合，以生成注意向量（Wang et al。，2016）。

ATAE-LSTM是基于AE-LSTM开发的。ATAE-LSTM将方面嵌入与每个单词嵌入向量相结合来表示上下文（Wang et al。，2016）。

AF-LSTM学会根据句子词和方面之间的关联关系参加（Tay et al。，2018）。

IAN交互式地学习上下文和目标中的注意力，并分别生成目标和上下文的表示（Ma et al。，2017）。

MemNet多次应用注意，并将最后一层注意力的输出馈送到softmax进行预测（Tang等，2016b）。