基于词向量的产品评论有用度评估方法

• 作者: 周向东 郑华飞
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 产品评论 词向量 有用度 深度学习 神经网络语言模型
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 188-193
• 页数: 6页
• 分类号: TP18
• 字数: 5127字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2017.04.032

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周向东	复旦大学计算机科学技术学院	35	323	10.0	17.0
2	郑华飞	复旦大学计算机科学技术学院	1	0	0.0	0.0