论文采用联合标记方案。
要解决的问题：首先，评论中可能包含中性情绪，甚至没有针对目标方面的明确意见，这钟情况下，外部或预定义的情感词典的帮助是没有用的，单独的术语联合提取无法挖掘出隐含的微妙表达。第二，审查可能包含目标方面的冲突意见，在这种情况下，即使提取了意见属于，也需要进一步推断情感取向。第三，一次审查可能包含多个方面和意见术语，在这种情况下，重要的是确定单独提取的方面和意见术语之间的关系。
通过多任务神经网络框架一站式解决实体识别和情感预测。嵌入层采用字符级和词级嵌入相结合的方式，首先用glove向量表示词嵌入随机初始化字符表示，利用CNN和最大池化生成一个字符级嵌入，将词级嵌入与字符级嵌入进行拼接。编码层，利用CNN和LSTM生成两种类型的句子表示，以学习不同的特征。LSTM生成的特征与CNN生成的特征做交互注意力，LSTM生成的特征做自注意力，将LSTM原始特征和自注意力得到的特征以及互注意力得到的特征进行拼接。解码层，利用CRF生成最终的表示。
标签：嵌入,提取,一站式,特征,IJCNN2018,情感,CNN,LSTM,多任务 From： https://www.cnblogs.com/zhang12345/p/16931867.html