通过识别代表性用户理解评分行为并预测产品评分
信息检索
2016-04-20 v1 人工智能
计算与语言
机器学习
摘要
描述各种产品和服务的在线用户评论如今在网络上十分丰富。虽然评论文本和评分所传达的信息易于理解，但其中蕴藏着大量并非一目了然的隐藏信息。在本研究中，我们解锁用户评论背后的隐藏价值，以理解用户评价产品的各个维度。我们学习一组代表每个维度的用户，并利用他们的评分来预测产品评分。具体地，我们利用餐厅评论来识别其评分受“服务”、“氛围”等维度影响的用户，以预测餐厅评分并理解不同菜系间评分行为的差异。先前获取产品评分的方法要么需要大量用户评分，要么需要少量评论文本，而我们表明仅用少量用户评分且无需评论文本即可预测评分。我们的实验表明，我们的方法在RMSE上比其他常规方法优16-27%。
引用
@article{arxiv.1604.05468,
title = {Understanding Rating Behaviour and Predicting Ratings by Identifying Representative Users},
author = {Rahul Kamath and Masanao Ochi and Yutaka Matsuo},
journal= {arXiv preprint arXiv:1604.05468},
year = {2016}
}
备注
The 29th Pacific Asia Conference on Language, Information and Computation (PACLIC-29)