（2）方面级情感分析
BERT 出色的文本表示能力在许多 NLP 任务上表现良好，包括方面级的情感分类。然而，仅仅理解句子本身是不够的。关键信息与句子之间关系的研究也是情感分析中不可缺少的部分。同时，本课题发现针对不同任务的特殊模型设计受到原始模型参数过多的限制。在本文中，本文提出了一种处理方面级情感分析任务的新神经网络模型，称为 Multi-Grained Attention Representation with ALBERT for Aspect-Level Sentiment Classification。本文对该任务的贡献主要是设计了一个特殊的网络来整合各个方面的信息，并模拟人类的学习过程，在基本模型参数数量减少的情况下优化预训练任务。特殊设计的网络不仅弥补了参数数量减少带来的效果损失，还带来了更好的效果。本文提出的特殊设计网络可以为需要考虑情感导向的领域做出贡献。
参考文献（略）
