在线评论中文本与评分不一致性的研究

本文关注在线评论，采用来自认知计算领域的人工智能工具，以帮助理解评论文本部分与所赋数值评分之间的关系。我们的直觉出发点是：1）一组表达不同情感的文字评论可能具有相同的评分（反之亦然）；2）检测并分析评论内容与实际评分之间的不匹配，可通过凸显文本中特定的满意（与不满意）因素，使服务提供商和消费者双方受益。为验证这些直觉，我们采用情感分析技术，并集中于酒店评论以发现其中的极性不匹配。具体而言，我们首先使用一组取自 Booking 网站的已标注酒店评论来训练文本分类器。然后，我们分析一个包含约 16 万条从 Tripadvisor 收集的酒店评论的大型数据集，旨在检测极性不匹配，即评论的文本内容是否与其关联评分相一致。使用成熟的人工智能技术并深入分析文本极性与评分不匹配的评论，我们发现——在五星量表上——那些被评为中等分数的评论包含正面与负面方面的混合。本文提出的方法除了作为极性检测器外，还提供了一个从初始极大型数据集中有效筛选评论的途径，这可能使消费者和提供商能够直接聚焦于具有文本/评分不一致特征的评论子集，从而便捷地向用户传达评论目标正负面特征的摘要。