在这篇论文里面作者主要是介绍了三种基于LSTM的模型（论文原文），来解决 ABSA 任务：

• LSTM
• Target-Dependent LSTM
• Target-Connection LSTM

LSTM

直接使用 NLP 中的万金油模型 LSTM，在该模型中，目标词（target words） 是被忽略的，也就是说跟普通的对文本情感分析的做法没有区别，最终得到的也是这个句子的全局情感，最后的效果一般般。
具体做法就是对句子中的 token 进行 embedding 处理作为模型的输入，经过一次一次的计算隐层和输入之后得到一个句子表示 ，接着对这个向量进行 softmax 计算概率， 其中 C 是情感类别种类。

TD-LSTM

为了解决 LSTM 忽略目标词的问题，提出了 Target-Dependent LSTM （TD-LSTM） 模型，如下图所示。

用两个LSTM来建模目标单词的左右上下文信息。其中一个LSTM从左往右，另一个从右往左，以获取完整的上下文信息。得到两个LSTM的隐藏状态后，将它们拼接(concatenate)在一起，以生成目标词的句子情感表示。

TC-LSTM

Target-Connection LSTM （TC-LSTM） 在 上一节TD-LSTM 的基础上进一步加强了 target-word 与句子中每个 token 的关联

实验结果比对