从多维度评论中学习态度和属性

大多数在线评论由纯文本反馈和单一数值评分组成。然而，产品和意见存在多个维度，理解构成用户评分的“方面”可能有助于我们更好地理解他们的个人偏好。例如，用户对有声读物的印象可能取决于故事和叙述者等方面，了解他们对这些方面的意见可能有助于我们推荐更好的产品。在本文中，我们构建了针对评分系统的模型，其中这些维度是显式的，即用户对产品的每个方面分别留下评分。通过引入包含五百万条评论的新语料库，每条评论有3到6个方面的评分，我们在三个预测任务上评估了我们的模型：首先，我们使用模型来揭示评论的哪些部分讨论了哪些评分方面。其次，我们使用模型来总结评论，对我们来说这意味着找到最能解释用户评分的句子。最后，由于在我们考虑的许多数据集中方面评分是可选的，我们使用模型来恢复用户评价中缺失的那些评分。我们的模型在现有小规模数据集上匹配了最先进的方法，同时能够扩展到我们引入的真实世界数据集。此外，我们的模型能够“解开”内容和情感词：我们自动学习指示特定方面的内容词以及指示特定评分的方面特定情感词。