在用户评论中追踪与品牌相关的带极性主题
信息检索
2023-01-19 v1 机器学习
摘要
监测在线客户评论对于企业组织衡量客户满意度和更好地管理其声誉十分重要。本文提出一种新颖的动态品牌主题模型(dBTM),该模型能够自动检测并追踪按时间顺序排列的时间区间内产品评论中与品牌相关的情感得分及带极性主题。dBTM通过高斯状态空间模型对潜在品牌极性得分及主题-词分布随时间的演化进行建模。它还引入了元学习策略,以控制每个时间区间内主题-词分布的更新,从而确保平滑的主题过渡和更好的品牌得分预测。该模型已在由MakeupAlley评论构建的数据集和一个酒店评论数据集上进行了评估。实验结果表明,dBTM在品牌排序上优于多个竞争性基线,在主题连贯性与独特性之间取得了良好平衡,并提取出了跨时间区间良好分离的带极性主题。
引用
@article{arxiv.2301.07183,
title = {Tracking Brand-Associated Polarity-Bearing Topics in User Reviews},
author = {Runcong Zhao and Lin Gui and Hanqi Yan and Yulan He},
journal= {arXiv preprint arXiv:2301.07183},
year = {2023}
}