EMNLPJul, 2017

使用基于论点的特征预测和分析评论的有用程度

PDF
TL;DR本研究探讨了如何在产品评论中识别有用的评论，并验证了基于论证的特征，如论证句子的百分比和依据结论的比率等，对于确定较佳评论的重要性。实验表明，与基准特征相结合使用时，基于论证的特征可使性能提高 11.01％。
helpful product reviewsargument-based featuresevidence-conclusion discourse relationsperformance boosthotel reviews
发现论文，激发创造
  • 使用现成论证挖掘预测亚马逊评论的有用性

    本文旨在利用现成的论证挖掘系统来预测 Amazon 评论的有用性，结果表明评论的有用性与其论证内容紧密相关。

    Sep, 2018

  • 评审人专业技能在时间性评审帮助性预测中的作用

    针对检测有用评价的问题，本研究提出了一个新的数据集和方法，该方法利用评论者的历史评价记录和评论的时间动态来自动评估评论的有用性，并展示了比多个基准方法更好的效果。

    Feb, 2023

  • 预测辩论写作中证据和推理的理想修改

    本研究通过探索使用文章修订的上下文和反馈信息两种方式来提高分类器性能，以区分学生论述写作中的有意义的证据和合理推理演绎，并进行严格评估和定性分析，研究发现通过使用上下文来辨别有意义的修订是最成功的。

    Feb, 2023

  • 理解同行评审的论据挖掘

    本文介绍了通过自动检测审稿人提出的论点和类型来研究同行评审过程的内容和结构，从而评估其效率和功效。作者首先收集了来自机器学习和自然语言处理领域的 14.2K 份审稿意见，并对其中的 400 份进行了注释，最终得出了一些结论并提出了未来新的挑战。

    Mar, 2019

  • 关于推荐系统语言解释的忠实度和连贯性问题

    通过评估当前的推荐系统和其生成评论的组件，我们发现生成的评论是脆弱的且在被视作预测评级的文字理由之前有待进一步评估。

    Sep, 2022

  • 线上社群如何接受意见：以亚马逊有用投票为例

    本文提出了一种分析和建模意见评估的方法并利用亚马逊书评收集的大规模数据集发现了研究结果。研究表明评论的有用程度不仅取决于其内容，还与其他相同产品的评论的评估方式有微妙的关联，并提供了一个简单的数学模型使我们能够区分社会学和社会心理学等竞争理论和用户群体评估行为之间的意见。差异。

    Jun, 2009

  • 对话中句子论点相似度评估

    本研究旨在通过自动提取社交媒体对话中的论点，计算其之间的相似度以识别和归纳辩论方面，从而产生类似于辩论网站上的自动摘要。结果表明，在三个不同的辩题上，本研究的相关性平均值为 0.63，优于几个基准模型。

    Sep, 2017

  • 基于方面识别和句子聚类的产品评论概括

    本文介绍了一种可以自动处理大量评论并汇总生成简明摘要的产品评论汇总系统，通过应用聚类并选择代表性候选项来解决现有产品汇总系统无法提供支持用户意见的根本原因的缺点。

    Oct, 2011

  • 理解和检测不同类型的支持性论据

    本研究介绍了如何利用 LambdaMART 排名算法和特征类型信息来检测来自相关文档的用户声明的句子级支持论点，实验结果表明使用特征类型信息的 LambdaMART 排名器优于没有使用类型信息的排名器。

    Apr, 2017

  • 基于层次模型的方面情感分析

    通过建模评论中的句子之间的相互依赖关系，我们提出了一种基于分层双向 LSTM 的情感分析方法，在五个多语种、多领域的数据集上取得了竞争状态下最先进结果，并优于其它两种基线模型，而且不需要使用手工特征或外部资源。

    Sep, 2016