在文献中，已有的研究总是将方面情感分类(Aspect emotion Classification, ASC)看作是一个独立的句子级逐方面分类问题，在很大程度上忽略了文档级情感偏好信息，尽管这些信息显然对于缓解ASC中的信息不足问题至关重要。本文探讨了文档内部的两种情感偏好信息，即同一方面的语境情感一致性(即方面内情感一致性)和所有相关方面的语境情感倾向(即方面间情感倾向)。在此基础上，提出了一种合作图注意网络(CoGAN)方法，用于方面相关句子表示的合作学习。具体而言，利用两个图注意网络分别对上述两种文档级情感偏好信息进行建模，并通过交互机制对两种偏好进行整合。详细的评估表明，与最新基线相比，所提出的ASC方法具有巨大的优势。这证明了文档级情感偏好信息对ASC的重要性，以及我们捕获此类信息的方法的有效性。
一方面，我们假设文档中涉及同一方面的句子在该方面倾向于具有相同的情感极性。例如，在文档1中，句子S1和S2都涉及方面AMBIENCE#GENERAL。虽然在S2中通过“without it trying to be that”这句话很难推断出方面AMBIENCE#GENERAL的负面情绪，但我们可以根据S1推断出方面AMBIENCE#GENERAL的情绪更有可能是负面的。这是因为通过S1中的从句“interior could use some help”更容易推断出AMBIENCE#GENERAL方面的否定。因此，一个行为良好的方法应该捕获上下文情绪一致性。
另一方面，我们假设文档中的句子在所有相关方面倾向于具有相同的情感极性。以文档2为例，句子S2涉及多个方面，很难准确预测每个方面的情感极性。但是，从上下文来看，S2中每个方面的情感极性都有很大可能是积极的，因为相邻的句子都表达了各自方面的积极情感极性。因此，一个行为良好的模型应该捕捉上下文情感倾向，即所有相关的方面(即方面间倾向)信息。