基于多粒度主题模型的在线评论建模
信息检索
2008-01-08 v1 数据库
摘要
本文提出了一种从在线用户评论中提取对象可评分方面的新框架。提取此类方面是从网络自动挖掘产品观点以及生成基于观点的用户评论摘要的重要挑战。我们的模型基于对 LDA 和 PLSA 等标准主题建模方法的扩展，以诱导多粒度主题。我们认为多粒度模型更适合我们的任务，因为标准模型倾向于产生对应于对象全局属性（例如产品类型品牌）的主题，而非用户倾向于评分的对象方面。我们提出的模型不仅提取可评分方面，还将它们聚类为连贯的主题，例如对于餐厅，'女服务员'和'调酒师'属于同一主题'员工'。这与以往大部分通过词频分析提取方面且聚类极少的工作不同。我们对多粒度模型进行了定性和定量评估，表明其显著优于标准主题模型。
引用
@article{arxiv.0801.1063,
title = {Modeling Online Reviews with Multi-grain Topic Models},
author = {Ivan Titov and Ryan McDonald},
journal= {arXiv preprint arXiv:0801.1063},
year = {2008}
}