随着深度学习与人工智能的发展,各种自动评分系统层出不穷。在主观题自动评分中,尤其是在辨析题中,答题者需要对人物或者事件从各个角度各个层次进行分析与解答,分析其产生的影响和评价。这种答题方式与基于目标方面的情感分析十分相像。基于目标方面的情感分析是自然语言处理的一个子任务,对目标词汇在特定语句中产生的情感倾向进行分类,评定为积极,中立还是消极。因此,在主观题自动评分中,可以将对辨析题答案的评分人物,转变为对辨析题答案基于各种不同的方面进行情感分类得分的判断。本文提出了一种使用句型结构辅助信息对方面级别的情感分类任务的神经网络模型。在现有的方面级别的情感分析任务中,传统的基于情感词典和机器学习的分类模型的处理方法已经不能满足人们对结果精度的要求。而在深度学习中,常用的做法是将语句送入编码器进行编码表示成语义信息向量,再通过相关技术(如:注意力机制)提取语义向量与目标词汇(方面)的特征关系,最后使用分类器将提取到的关系特征进行分类。但是,这些常用的方式往往重视文本语义上的信息,从而忽视了文本语句结构所包含的信息(比如特征词的修饰词往往带有情感信息)。因此,本文提出了一种基于句型结构信息的网络模型,本文使用Transformer对文本语义信息进行建模,使用Bi-LSTM网络进行提取句型结构信息,接着,通过使用注意力机制将文本语义信息和句型结构信息构造成基于句型结构信息的文本表示,最终送入分类器进行分类。在文章的最后,通过在Sem Eval 2014数据集上的实验证明了带有文本语句结构信息的网络相比只使用语义方面信息的网络具有更高的准确度。