面向等级(Aspect level)的情感分析是指从文句的情境中，判断对于目标词的情感态度，是否为正向、中性及负向中的那一个，这样的问题称为面向等级情感分析(ABSA)。此一问题除了可用传统资料探勘方法结合属性萃取判断外，最近很热门的做法是透过深度学习模式加以判断。相对于过去深度学习的做法，本研究提出四项改进策略：1.采用Bert做为文字嵌入模型，此做法的好处是可以考虑上下文的语境，而不仅仅是考虑单词。2.引入自我注意力机制，可以强化类神经模型的平行处理能力。3.引入交替共同注意力网络以解决多文字目标所包含的不同辞汇该有不同注意力的问题。4.采用构件聚焦技术，萃取句子中较为重要的原件，加入句子表示，让句子的表示能够更具焦于重要文字上，进而提高文本相似度任务的准确度。结合这些策略，本计划提出一个新的类神经网络架构，称为聚焦共同注意力网络(CFCN)，以提高ABSA分类正确率。

探索此专案触及的研究主题。这些标签是根据基础奖励/补助款而产生。共同形成了独特的指纹。