基于卷积神经网络的评论有用性评估
计算机视觉与模式识别
2018-08-29 v1 人工智能
摘要
在本文中，我们描述了用于评估在线评论有用性的卷积神经网络 (CNN) 的实现。据我们所知，这是首次使用该架构来解决此问题。我们探讨了影响 CNN 性能的两个相关因素：不同的词嵌入初始化和不同的输入评论长度。我们还提出了一种将评分星级信息与该评论文本相结合以进一步提高预测准确性的方法。我们证明这可以将总体准确性提高 2%。最后，我们在一个基准数据集上评估该方法，并显示相对于已发表的传统方法结果，仅使用评论文本训练的模型准确性提高了 2.5%，而使用评分星级信息与评论文本组合训练的模型准确性提高了 4.24%。
引用
@article{arxiv.1808.09016,
title = {Review Helpfulness Assessment based on Convolutional Neural Network},
author = {Xianshan Qu and Xiaopeng Li and John R. Rose},
journal= {arXiv preprint arXiv:1808.09016},
year = {2018}
}