有理推荐：释放无监督方面-情感协同抽取的力量
信息检索
2021-09-10 v1 机器学习
摘要
评论中的赞美与关切对于理解用户的购物兴趣及其对特定商品某些方面的看法极具价值。现有的基于评论的推荐器倾向于使用庞大且复杂的语言编码器，这些编码器只能学习到潜在的、不可解释的文本表示。它们缺乏对用户注意力和商品属性的显式建模，然而这些信息能够提供超越推荐商品能力的宝贵信息。因此，我们提出了一种紧密耦合的两阶段方法，包括方面-情感对提取器（ASPE）和注意力-属性感知评分估计器（APRE）。无监督的 ASPE 挖掘方面-情感对（AS-pairs），APRE 则利用 AS-pairs 作为具体的方面级证据来预测评分。在七个真实的 Amazon Review Datasets 上的广泛实验表明，ASPE 能够有效地提取 AS-pairs，使得 APRE 的准确率优于领先的基线方法。
引用
@article{arxiv.2109.03821,
title = {Recommend for a Reason: Unlocking the Power of Unsupervised Aspect-Sentiment Co-Extraction},
author = {Zeyu Li and Wei Cheng and Reema Kshetramade and John Houser and Haifeng Chen and Wei Wang},
journal= {arXiv preprint arXiv:2109.03821},
year = {2021}
}
备注
16 pages; Accepted to Findings of EMNLP-2021