基于Bert实现情感分类任务—详细教程（代码+数据）

• 任务描述 与前面提到的情感倾向性分类只需要判断整个输入文本的情感倾向性不同，面向aspect的情感分类要将文本中的实体识别出来，并判断说话人对不同实体的情感倾向性。例如，在句子“Trump is a nuisance.”中，明显说话人对Trump持消极态度，面向aspect的情感分类任务就要把Trump和Negative识别出来。

• 数据集 我们使用LCF-ATEPC的数据集，全量数据可以https://download.csdn.net/download/qq_38735017/87358728下载，

• 这是一个评论。为了便于演示，我们仅使用其中有关notebook的部分数据，数据为对笔记本电脑的评价，在./datasets目录下，其中Laptops.atepc.train.dat为训练数据，notebook.atepc.test.dat为测试数据。数据格式与NER任务的数据格式相似，共包括三列，第一列为token，第二列表示Aspect的标注，第三列为对应的情感，不同句子之间用空行分隔，如下图所示。这一条记录表示句子“键盘的弹性很适中”，句子中提到了键盘的弹性，其情感倾向为2（表示积极）。