10.3969/j.issn.1000-3428.2017.04.032
基于词向量的产品评论有用度评估方法
产品评论的快速增长以及质量的参差不齐,使得消费者获得有用的产品评论变得困难.为此,提出一种新的产品评论有用度评估方法.引入词向量作为评论文本的深度特征表示,结合结构特征、情感特征、元数据特征等训练回归模型,自动地对评论进行有用度评估并基于有用度对评论进行排序.在Amazon真实数据集上的实验结果表明,该方法在回归性能和排序性能上均优于UGR+LEN+STR方法和基准方法.另外通过挖掘特定领域的词向量特征,该向量模型在RMSE,NDCG等评价指标上可有效地改善评估效果.
产品评论、词向量、有用度、深度学习、神经网络语言模型
43
TP18(自动化基础理论)
国家自然科学基金61370157;上海市科技计划项目14511107403
2017-05-22(万方平台首次上网日期,不代表论文的发表时间)
共6页
188-193