基于嵌入门控 CNN 的评论有用性预测
计算与语言
2018-08-30 v1
摘要
产品评论主要以文本形式显著帮助消费者完成购买决策。因此，对电子商务公司而言，预测评论有用性以更具信息量的方式呈现和推荐评论十分重要。本工作中，我们引入一种卷积神经网络模型，能够从多粒度表示中提取抽象特征。受不同词对句子含义贡献不同这一事实的启发，我们考虑为所有表示学习词级嵌入门控。此外，由于某些产品领域/类别拥有丰富的用户评论，而其他领域则不然，为帮助数据较少的领域，我们将模型集成到跨领域关系学习框架中，以有效从其他领域迁移知识。大量实验表明，我们的模型优于现有方法。
引用
@article{arxiv.1808.09896,
title = {Review Helpfulness Prediction with Embedding-Gated CNN},
author = {Cen Chen and Minghui Qiu and Yinfei Yang and Jun Zhou and Jun Huang and Xiaolong Li and Forrest Bao},
journal= {arXiv preprint arXiv:1808.09896},
year = {2018}
}