Jul, 2023

苹果与苹果的比较：从用户评论中生成具有观点感知的比较句子

PDF
TL;DR通过对比评价句子帮助用户找到最合适的产品，我们的模型由三个部分组成：对比模块、生成模块和个性化解码方法，实验证实了我们的算法生成的对比评价句子相关且真实。
comparative review sentencestransformeritem encodingcomparison generationuser personalization
发现论文，激发创造
  • 比较式片段生成

    本研究通过模拟产品评论，使用预训练的 BERT 模型生成正负面评价中的单句比较响应，并贡献了首个用于对比意见生成的数据集。

    Jun, 2022

  • 分类比较句

    本研究使用预训练的句子嵌入，基于梯度提升模型自动识别比较句子并对其意向进行分类，可用于支持相互竞争的、比较性的和论证性的搜索引擎和辩论技术。

    Sep, 2018

  • 从比较产品评论中提取感兴趣的实体

    这篇论文提出了一种基于深度学习的方法，从各种电子商务网站的用户评论中提取产品比较信息。通过使用 LSTMs 能够很好地捕捉它们之间的相互依赖关系，该系统在现有的手动标记数据集上表现出较强的性能，超越了现有的语义角色标注（SRL）框架。

    Oct, 2023

  • 使用方面抽取方法生成评论摘要和用户配置文件

    本研究评估了一个新提出的神经模型在提取评论方面的可行性，结果表明该模型能够从用户评论中准确识别和提取各个方面并生成用户偏好的基于方面的概要。

    Apr, 2018

  • 揭示越南产品评论中的比较情感：一种连续分类框架

    通过解决三个顺序子任务，我们提出了一种比较意见挖掘的方法，旨在识别和提取表达比较性情感的句子，并对越南产品评论中用户情感进行更深入的理解。在越南语言和语音处理（VLSP）2023 年比较意见挖掘（ComOM）挑战中，我们的方法在排名中位居第五。

    Jan, 2024

  • 从电商网站的产品评论中提取组件评论

    本篇研究致力于利用基于 BERT 的分类器对商品评论中的方面和组成元素信息加以标记，并通过数据增强方法提高系统对于数据不足时的精度，结果表明该系统能够对如路单车等商品评论中的组成元素和方面进行标记，较大程度涵盖 e-commerce 网站中的指标。

    Jul, 2022

  • 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

  • 基于无监督的方面 - 情感共同提取：解锁推荐的力量

    本文提出了一个紧密耦合的两阶段方法以改进基于评论的推荐系统。通过提取方面 - 情感对和利用它们作为具体的层面证据来估算评级，APRE 方法超越了现有的基线，并有效地提高了精度。

    Sep, 2021

  • 通过联合建模方面和价值自动聚合

    我们提出了一个模型，通过联合方面识别和情感分析来汇总产品评论片段。我们的模型同时确定了评论中呈现的可评估方面的基础集，并确定了每个方面的相应情感，从而直接发现了产品的高评级或不一致方面。

    Jan, 2014

  • 用于支持对平行文本集合进行意义构建的交互式用户界面

    AVTALER 是一种基于核心对齐算法和现代 NLP 工具的混合倡议系统，用于帮助人们比较文献综述和对齐文本语段，以支持文本数据的语义化和对比文献属性。

    Mar, 2023