ReviewGraph：基于情感特征的知识图嵌入框架用于评论评分预测
计算与语言
2025-11-18 v2
摘要
在酒店业中，了解影响客户评论评分的关键因素对于提高客人满意度和业务绩效至关重要。本文提出了ReviewGraph用于评论评分预测（RRP），这是一种新型框架，通过从文本客户评论中提取(subject, predicate, object)三元组并关联情感分数，将其转化为知识图。该框架使用图嵌入（Node2Vec）和情感特征，通过机器学习分类器预测评论评分。我们将ReviewGraph性能与传统NLP基线（如词袋、TF-IDF和Word2Vec）以及大型语言模型（LLM）进行比较，在HotelRec数据集上进行评估。与现有文献中最先进的模型相比，我们提出的模型在不采用集成方法的情况下，表现类似于其最佳模型，同时计算成本更低。尽管ReviewGraph在与LLM相当的预测性能方面表现良好，并在基于同意的指标（如Cohen's Kappa系数）上超越基线，但它在可解释性、可视化探索以及潜在集成到检索增强生成（RAG）系统方面具有额外优势。本工作凸显了图基表示在提升评论分析方面的潜力，为未来集成先进图神经网络和微调LLM基提取方法的研究奠定了基础。我们将在GitHub页面https://github.com/aaronlifenghan/ReviewGraph上共享ReviewGraph输出和平台开源。
引用
@article{arxiv.2508.13953,
title = {ReviewGraph: A Knowledge Graph Embedding Based Framework for Review Rating Prediction with Sentiment Features},
author = {A. J. W. de Vink and Natalia Amat-Lefort and Lifeng Han},
journal= {arXiv preprint arXiv:2508.13953},
year = {2025}
}
备注
Peer-reviewed and published version is in ICKG-2025 (The 16th IEEE International Conference on Knowledge Graphs, November 13-14, 2025, Limassol, Cyprus)