用于评测用户评论中品牌情感的泊松分解模型对抗学习
机器学习
2021-01-26 v1
摘要
在本文中，我们提出品牌-主题模型（BTM），旨在从产品评论中检测与品牌相关的带有极性的主题。不同于现有假设主题被分组于“正面”、“负面”和“中性”等离散情感类别下的情感-主题提取模型，BTM能够自动推断实值品牌相关情感分数，并生成细粒度情感-主题，其中我们可以观察到某一主题（如“剃须刀”或“面霜”）下词语的连续变化，而其关联情感从负面逐渐变为正面。BTM构建于泊松分解模型之上并引入对抗学习。它已在从Amazon评论构建的数据集上进行了评估。实验结果表明，BTM在品牌排序上优于多个竞争性基线，实现了更好的主题连贯性与独特性平衡，并提取出分离度更好的极性承载主题。
引用
@article{arxiv.2101.10150,
title = {Adversarial Learning of Poisson Factorisation Model for Gauging Brand Sentiment in User Reviews},
author = {Runcong Zhao and Lin Gui and Gabriele Pergola and Yulan He},
journal= {arXiv preprint arXiv:2101.10150},
year = {2021}
}