点赞还是点踩？语义倾向性在评论无监督分类中的应用

本文提出了一种简单的无监督学习算法，用于将评论分类为推荐（点赞）或不推荐（点踩）。评论的分类通过评论中包含形容词或副词的短语的平均语义倾向性来预测。当一个短语具有好的联想（例如“微妙的细微差别”）时，它具有正的语义倾向性；当它具有坏的联想（例如“非常傲慢”）时，它具有负的语义倾向性。在本文中，短语的语义倾向性计算为给定短语与单词“excellent”之间的互信息减去给定短语与单词“poor”之间的互信息。如果评论中短语的平均语义倾向性为正，则该评论被分类为推荐。该算法在来自 Epinions 的 410 条评论上评估时，平均准确率达到 74%，这些评论从四个不同领域（汽车、银行、电影和旅游目的地的评论）中采样。准确率范围从汽车评论的 84% 到电影评论的 66%。