自然语言处理（第5章）教案 情感分析

情感分析参考学时4学时（建议分2次课完成，每次2学时）教学目标（能力要求）通过本章学习，使学生系统掌握情感分析的基本概念、典型任务形式以及主流建模方法，理解深度学习与预训练模型在情感分析任务中的核心作用，具备分析和实现基础情感分析系统的能力。具体包括：学生能够准确理解情感分析（OpinionMining）的基本定义，区分文档级、句子级和方面级情感分析任务；学生能够列举情感分析中的常见子任务（情感分类、方面抽取、观点摘要），并说明其研究目标与应用场景；学生能够理解注意力机制的基本思想、通用计算框架及其在情感分析中的作用；学生能够掌握图神经网络（GNN）的基本概念，理解基于句法结构和语义关系的情感分析建模思路；学生能够了解典型预训练情感分析模型（SentiWSP、SpanASTE、DualGCN）的设计动机与核心思想；学生能够结合案例，理解情感分析模型从数据处理、模型构建到训练与评估的完整流程。教学重点和难点教学重点：方面级情感分析的任务定义与挑战；注意力机制在情感信息建模中的作用；图神经网络在建模方面词与观点词关系中的优势；预训练模型在情感分析任务中的迁移与增强效果。教学难点：方面级情感分析中“目标—方面—情感”关系的精细建模；基于依赖句法图与语义图的双通道建模思想；端到端情感结构抽取模型（如SpanASTE）的整体建模逻辑；理论模型设计与工程实现之间的对应关系。教学主要内容（一）情感分析引言（约60分钟）情感分析的基本概念情感分析（OpinionMining）的定义与研究背景文档级、句子级与方面级情感分析的区别与联系示例分析：“这家餐馆的服务很好，但环境有些差”情感分析的常见子任务情感分类方面抽取观点摘要情感分类方法概述基于情感词典的无监督方法基于传统监督学习的方法（朴素贝叶斯、SVM）基于深度学习的方法方面抽取方法概述基于词频与词性的方法基于句法依存关系的方法基于序列标注的监督学习方法（如HMM）观点摘要任务任务定义与子任务划分有监督与无监督观点摘要方法个性化观点摘要的研究趋势（二）基于注意力机制的情感分析（约40分钟）注意力机制的基本思想人类注意力机制的启发信息选择与资源分配的核心思想通用注意力机制框架Query、Key、Value的基本定义注意力权重计算与加权表示注意力机制的分类软注意力（SoftAttention）强注意力（HardAttention）强注意力的训练难点与强化学习方法简介注意力机制在情感分析中的应用对情感关键词的自动聚焦对方面相关上下文的动态建模（三）基于图神经网络的情感分析（约40分钟）图与图神经网络基础图结构的基本概念（节点、边、邻接矩阵）图神经网络（GNN）的基本思想图结构在不同任务中的表示图像中的像素图建模文本中的词图建模社交关系、分子结构等示例图神经网络在情感分析中的作用建模方面词与观点词之间的依赖关系融合句法结构与语义信息（四）预训练情感分析模型（约40分钟）SentiWSP模型词级与句级情感感知预训练任务基于情感词的掩码与对比学习思想SpanASTE模型情感三元组抽取任务定义基于跨度（Span）的端到端建模方法模型整体结构与模块划分DualGCN模型句法GCN与语义GCN的双通道设计双仿射模块与正则化机制对依赖解析噪声的鲁棒建模（五）案例：基于MindSpore的情感分析实现（约40分钟）任务与数据集说明（IMDB影评情感分类）模型结构设计（以LSTM为例）训练流程参数配置损失函数与优化器模型训练与CheckPoint保存模型评估准确率评估流程实验结果分析教学过程与方法（一）情感分析引言与任务划分（约60分钟）教学过程：情境导入（10分钟）

教师从学生日常熟悉的应用场景入手，如电商评论、电影评分、社交媒体观点等，引导学生思考：“计算机如何判断一段文本是正面还是负面？”“当一句话中同时包含正负评价时，模型应如何处理？”核心概念讲解（20分钟）

系统讲解情感分析的基本定义，重点区分：文档级情感分析句子级情感分析方面级情感分析教师通过对比式讲解，引导学生认识到：方面级情感分析是对前两类任务的细粒度扩展，也是后续复杂模型设计的核心出发点。子任务拆解与方法演进（20分钟）

围绕情感分析三类核心子任务：情感分类方面抽取观点摘要依次讲解其任务目标、典型方法及各自的局限性，重点强调：传统方法在低频方面词、复杂句式下的不足；深度学习方法对上下文语义建模能力的优势。课堂小结与过渡（10分钟）

教师引导学生总结：为什么需要引入注意力机制？为什么仅靠序列模型不足以解决方面级情感分析问题？为后续章节自然过渡。（二）基于注意力机制的情感分析（约40分钟）教学过程：直观动机引入（10分钟）

教师从“人类阅读文本时的注意力分配”入手，引导学生理解注意力机制的本质思想，即：不是对所有信息一视同仁；而是对关键信息赋予更高权重。通用注意力机制框架讲解（15分钟）

结合PPT中的结构图，详细讲解：Query、Key、Value的含义；注意力权重的计算过程；加权求和形成上下文表示的原理。（三）基于图神经网络的情感分析（约40分钟）教学过程：图结构建模动机引入（10分钟）

教师引导学生思考：文本是否只能建模为序列？句法关系是否可以显式表示？图与图神经网络基础讲解（15分钟）

系统介绍：图的基本构成（节点、边、邻接关系）；图神经网络的信息传播机制。图神经网络在情感分析中的应用（10分钟）

重点说明：GNN如何聚合邻居节点信息；相比序列模型的优势与局限。（四）预训练情感分析模型讲解（约40分钟）教学过程：预训练思想回顾（5分钟）

简要回顾预训练模型在NLP中的作用，引出“情感感知预训练”的必要性。典型模型逐一解析（25分钟）SentiWSP：重点讲解情感词感知的预训练任务设计；SpanASTE：重点讲解跨度建模与端到端抽取思想；DualGCN：重点讲解句法图与语义图的双通道融合。模型设计思想总结（10分钟）

教师引导学生从“设计动机”角度理解模型：解决了什么问题；相比已有方法改进在哪里。（五）MindSpore情感分析案例教学（约40分钟）教学过程：任务说明与整体流程梳理（10分钟）

介绍IMDB情感分类任务及整