意见解释分类问题是解释性意见挖掘研究领域的基础问题,对后续的研究工作有着极其重要的影响。本文收集并整理了手机和酒店领域的在线评论语料,构建了一个大规模、高质量的意见解释分类语料库。通过分析语料库中意见解释的表达特点和不同意见-解释之间的语义逻辑关系,探索意见解释分类新方法。本文将从以下三个方面开展研究:(1)构建大规模汉语意见解释分类语料库。本文面向手机和酒店领域的在线评论,通过分析意见解释的语义特点和规律,将意见解释划分为三个类别,分别是意见原因、意见建议和意见条件,并在此分类体系的基础上构建了一个大规模、高质量的汉语意见解释分类语料库。通过对语料的分析,我们发现不同意见解释具有多样的表达方式,不同意见和解释之间存在潜在的联系。(2)基于注意力模型的汉语意见解释分类方法。根据不同意见解释和意见之间蕴含的语义逻辑关系,尝试将Self Attention、Vanilla Attention和Contextualized Attention三种注意力模型应用于意见解释分类任务,探索不同的注意力机制对分类性能的影响。针对语料库中存在的类别不平衡问题,尝试使用Focal Loss损失函数调节模型训练方向,缓解由样本分布不均衡带来的负面影响。为了进一步提高意见解释分类的性能,本文还尝试使用Cw2vec方法提取汉字笔画特征用于训练,提高中文词向量的质量。(3)汉语意见解释分类系统的实现。本文探索不同的注意力模型对意见解释分类性能的影响,最后训练出一个适合意见解释分类任务的模型,并应用这个模型构建了一个意见解释分类系统,系统能够对手机和酒店两个领域的意见解释进行语义分类。