面向美食评论与推荐的机器学习方法
信息检索
2022-01-27 v1 计算与语言
机器学习
摘要
美食评论与推荐对在线餐饮服务网站一直十分重要。然而，美食评论与推荐并不简单，因为它很可能被 disparate 的语境与语义所淹没。本文中，我们使用不同的深度学习方法解决情感分析、自动评论标签生成以及美食评论检索等问题。我们提议开发一套位于南洋理工大学（NTU）的基于网页的美食评论系统，名为NTU Food Hunter，其融合了多种深度学习方法以辅助用户进行食物选择。首先，我们将BERT和LSTM深度学习模型部署于系统中，对美食评论进行情感分析。接着，我们开发了一种词性（POS）算法，基于POS标注与依存句法分析，从评论内容中自动识别并提取形容词-名词对，用于评论标签生成。最后，我们还训练了一个RankNet模型，对我们基于Solr的美食评论搜索系统的检索结果进行重排序，以提升准确率。实验结果表明，我们所提出的深度学习方法在现实问题的应用中颇具前景。
引用
@article{arxiv.2201.10978,
title = {Machine Learning for Food Review and Recommendation},
author = {Tan Khang Le and Siu Cheung Hui},
journal= {arXiv preprint arXiv:2201.10978},
year = {2022}
}
备注
Accepted paper to International Student Conference on Artificial Intelligence (STCAI) 2021