TransRev：将评论建模为用户到物品的翻译
信息检索
2018-04-19 v2 计算与语言
摘要
评论文本表达了顾客对特定产品的情感。这在情感分析中得到利用，即使用机器学习模型从评论文本预测评分。此外，顾客过去购买的产品预示着他们未来将购买的产品。这是推荐系统通过从购买信息中学习模型来预测顾客可能感兴趣的物品所利用的。我们提出TransRev，一种将推荐系统、情感分析与多关系学习的思想整合进联合学习目标的产品推荐问题方法。TransRev为用户、物品和评论学习向量表示。评论的嵌入被学习为：(a) 作为情感预测回归模型的输入特征表现良好；且 (b) 始终将评论者嵌入翻译为被评论物品的嵌入。这使得TransRev在测试时可将评论嵌入近似为用户嵌入与各物品嵌入之差。该近似评论嵌入随后与回归模型一起用于预测各物品的评论评分。TransRev在大量基准数据集上优于最先进的推荐系统。此外，它能够为每个用户和物品，从训练集中检索嵌入与近似评论嵌入最相似的评论文本。
引用
@article{arxiv.1801.10095,
title = {TransRev: Modeling Reviews as Translations from Users to Items},
author = {Alberto Garcia-Duran and Roberto Gonzalez and Daniel Onoro-Rubio and Mathias Niepert and Hui Li},
journal= {arXiv preprint arXiv:1801.10095},
year = {2018}
}