情感度量在基于文本的情感感知推荐系统中的应用
信息检索
2023-05-09 v1 机器学习
摘要
本文提出了一种创新方法，以解决情感感知推荐系统（EARS）研究者面临的问题：难以且繁琐地收集大量高质量情感标注数据集，以及保护用户情感数据隐私的有效途径。若无足够的高质量情感标注数据集，研究者便无法在 EARS 中开展可复现的情感计算研究，从而生成基于用户情感偏好的个性化推荐。类似地，若我们无法充分保护用户的情感数据隐私，用户可能会抵制使用 EARS 服务。本文引入了一种利用生成式预训练 Transformer 技术检测主观文本片段中情感特征的方法，由此构成情感索引（Affective Index）与情感索引指标（AII）的基础，消除了用户构建情感特征检测机制的需求。本文倡导一种责任分离方法：用户保护其情感画像数据，而 EARS 服务提供商不保留或存储该数据。服务提供商可在内存中更新用户的情感索引而无需保存其隐私数据，从而在不损害用户隐私的情况下提供情感感知推荐。本文针对情感的主观性与变异性、数据隐私担忧以及评估指标与基准提供了解决方案，为未来的 EARS 研究铺平了道路。
引用
@article{arxiv.2305.04796,
title = {The Application of Affective Measures in Text-based Emotion Aware Recommender Systems},
author = {John Kalung Leung and Igor Griva and William G. Kennedy and Jason M. Kinser and Sohyun Park and Seo Young Lee},
journal= {arXiv preprint arXiv:2305.04796},
year = {2023}
}