用于评论的结构化神经主题模型
计算与语言
2019-01-03 v2 机器学习
摘要
我们提出变分基于方面的潜在主题分配（VALTA），一类学习评论的基于方面表示的自编码主题模型。VALTA定义了一个用户-物品编码器，将每个配对用户和物品相关联的合并评论的词袋向量映射到结构化嵌入上，这些嵌入进而定义每个方面的主题权重。我们通过推断给定评论中每个句子的方面分配，以结构化方式对单个评论建模，其中用户-物品编码器获得的每方面主题权重用于定义以方面为条件的主题上的混合。结果是一个用于评论的自编码神经主题模型，可以以完全无监督的方式训练，以学习结构化到各个方面中的主题。在大量数据集上的实验评估表明，方面是可解释的，比非结构化自编码主题模型变体产生更高的一致性分数，并且可用于执行基于方面的比较和体裁发现。
引用
@article{arxiv.1812.05035,
title = {Structured Neural Topic Models for Reviews},
author = {Babak Esmaeili and Hongyi Huang and Byron C. Wallace and Jan-Willem van de Meent},
journal= {arXiv preprint arXiv:1812.05035},
year = {2019}
}