从这节课开始，我们将一起来学习一个新的项目，叫做属性级情感分析。属性级情感分析（Aspect-based Sentiment Analysis, ABSA）是一类细粒度情感分析任务，常用于评论分析中，帮助商家深入理解用户偏好。

传统的情感分析，一般是针对整个句子的，比如购物网站上的好评或者差评（分类任务，参考TextCNN课程）。但在实际场景中，对于某个商品的评价，往往是有好有坏的，所以，我们把好的和坏的评价对象区分评判，往往更有工程意义。

效果演示 

输入：text = '这个手机外观时尚，美中不足的是拍照像素低。'
输出：[{'aspect': '外观', 'sentiment': 'Positive', 'position': [5, 6]}, {'aspect': '拍照像素', 'sentiment': 'Negative', 'position': [16, 17, 18, 19]}]

模型结构

模型名称：LCF-ATEPC，面向中文及多语言的ATE (Aspect Term Extraction, 属性提取) 和APC (Aspect Polarity Classification, 属性情感分类) 联合学习模型。

论文地址：https://arxiv.org/pdf/1912.07976.pdf

其他说明

1）这个课程是项目课，类似 Bert 原理等基础知识，需要大家课前了解。

2）课程有一定难度，初学者朋友，建议学完前面2-3个基础课程，熟悉我的代码风格后，再看这个课程。

本文链接：http://edu.ichenhua.cn/edu/note/490

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！