利用方面短语嵌入进行跨领域评论评分预测

在线评论平台是用户通过表达对产品或服务的意见来发布评论的流行方式，对其他用户和公司了解顾客总体意见也很有价值。这些评论往往附有评分，其中星级评分已成为用户以量化方式给出反馈的最常见方法，通常为 1-5 星的李克特量表。在 Facebook 或 Twitter 等其他社交媒体平台中，自动评论评分预测系统可用于确定用户本会对该产品或服务给出的评分。现有评论评分预测工作聚焦于特定领域，如餐厅或酒店。然而，这忽略了一个事实：某些较少被评分的评论领域（如牙医）缺乏足够数据来构建可靠的预测模型。本文中，我们在涉及 12 个不同流行度评论领域的 12 个数据集上实验，以评估跨领域的预测性能。我们引入一种利用从评论中提取的方面短语嵌入的模型，从而能够开发领域内与跨领域评论评分预测系统。我们的实验表明，两种评论评分预测系统均优于所有其他基线。跨领域评论评分预测系统对最不流行的评论领域尤其重要，利用来自其他领域的训练数据可带来显著的性能提升。而领域内评论评分预测系统更适合流行评论领域，因为当目标领域数据充足时，由该领域训练数据构建的模型更为合适。