在基于HDP的评分回归模型中统一主题、情感与偏好用于在线评论
机器学习
2018-12-20 v1 计算与语言
信息检索
应用统计
机器学习
摘要
本文提出一种基于HDP的在线评论评分回归模型，名为主题-情感-偏好回归分析（TSPRA）。TSPRA将主题（即产品方面）、词语情感和用户偏好作为回归因子，并能够在一个框架中同时进行主题聚类、评论评分预测、情感分析以及我们发明的“关键方面”分析。TSPRA通过将在协同过滤（CF）模型中的关键概念“用户偏好”纳入考虑，扩展了情感方法，同时它通过解耦“用户偏好”和“情感”作为独立因子，区别于当前的CF模型。我们在22个Amazon数据集上的实验表明，在误差、Pearson相关系数和倒置对数量方面，评分预测性能相对于最先进的模型FLAME（2015）有压倒性更好的表现。对于情感分析，我们将导出的词语情感与公共情感资源SenticNet3进行比较，我们的情感估计在在线评论语境中明显更有意义。最后，由于“用户偏好”与“情感”的解相关，TSPRA能够评估一个新概念“关键方面”，定义为被用户严重关注但在评论中负面评价的产品方面。改进此类“关键方面”对提升用户体验最为有效。
引用
@article{arxiv.1812.07805,
title = {Unifying Topic, Sentiment & Preference in an HDP-Based Rating Regression Model for Online Reviews},
author = {Zheng Chen and Yong Zhang and Yue Shang and Xiaohua Hu},
journal= {arXiv preprint arXiv:1812.07805},
year = {2018}
}