基于用户与项目感知的评论有用性估计
信息检索
2020-11-23 v1 计算与语言
机器学习
摘要
在在线评论站点中，评估用户反馈对决策的有用性通常是通过局部研究单条评论的属性来进行的。然而，为精确评估用户反馈的质量，也应考虑全局属性。本文中，我们研究评论属性中的偏差作为有用性决定因素的作用，其直觉在于“核心之外”的反馈有助于项目评价。我们提出一种新颖的有用性估计模型，该模型通过对评分、长度和极性相对于同一人所写评论或关于同一项目的评论的偏差分析，扩展了以往的模型。在从 Yelp 社交网络抽取的两个大型评论数据集上进行的回归分析表明，基于用户的评论长度与评分偏差明显影响感知有用性。此外，在相同数据集上的实验表明，集成我们的有用性估计模型可通过增强用于评分估计的高质量数据筛选来提升协同推荐系统的性能。因此，我们的模型是筛选相关用户反馈以辅助决策的有效工具。
引用
@article{arxiv.2011.10456,
title = {User and Item-aware Estimation of Review Helpfulness},
author = {Noemi Mauro and Liliana Ardissono and Giovanna Petrone},
journal= {arXiv preprint arXiv:2011.10456},
year = {2020}
}