SynGraph：面向稀疏流式用户情感建模的动态图-LLM 合成框架
计算与语言
2025-06-18 v2
摘要
电商平台的用户评论呈现出由时间和情境因素驱动的动态情感模式。传统情感分析方法侧重于静态评论，无法捕捉用户情感评分与文本内容之间演变的时间关系。基于流式评论的情感分析通过建模和预测用户情感的演变来解决这一局限，但因数据稀疏（表现为时间稀疏、空间稀疏或两者兼具）而受到制约。本文引入 SynGraph 框架，以解决流式评论情感分析中的数据稀疏问题。SynGraph 通过将用户划分为中尾、长尾和极端场景，并在动态图结构中融合 LLM 增强技术，有效缓解数据稀疏问题。在真实数据集上的实验表明，其在解决稀疏性和提升流式评论情感建模方面具有显著效果。
引用
@article{arxiv.2503.04619,
title = {SynGraph: A Dynamic Graph-LLM Synthesis Framework for Sparse Streaming User Sentiment Modeling},
author = {Xin Zhang and Qiyu Wei and Yingjie Zhu and Linhai Zhang and Deyu Zhou and Sophia Ananiadou},
journal= {arXiv preprint arXiv:2503.04619},
year = {2025}
}
备注
Accepted at ACL 2025