通过使用解析树，您可以将句子分成几部分。假设，在情感分析的例子中，您可以使用这些部分为每个部分分配正面/负面情绪，然后获取这些部分的累积效果。

此图将帮助您了解更多。前半部分有负面情绪（主要是因为“干”这个词），但是因为“但是”这个词和“享受”这个词的使用，负面情绪变成了积极情绪。

至于使用它们，您可以简单地生成句子中各个单词的词向量表示，并使用神经元代替父节点。每个神经元应该通过权重连接到另一个神经元。所有的叶子节点都将是句子中单词的词向量表示。顶部的父神经元（在这种情况下是顶部的蓝色 + 符号）应该根据句子产生积极/消极的情绪。这种树结构可以以监督的方式进行训练。

阅读本文以获得更多的理解。

图片来源：cs224.stanford.edu

我认为依赖关系可用于提高情绪分类器的准确性。考虑以下示例：

E1：比尔不是科学家

并假设令牌“科学家”在特定领域具有积极情绪。

知道依赖 neg(scientist, not) 我们可以看到上面的例子有负面情绪。在不知道这种依赖关系的情况下，我们可能会将句子归类为肯定的。

可能以相同的方式使用其他类型的依赖关系来提高分类器的准确性。