- 大规模观点概括:使用 XL-OPSUMM 进行增量观点概括
电子商务中的意见总结基于用户对产品的评论,该研究通过提出 Xl-OpSumm 框架实现对大规模评论的生成总结,并在实验中展示其在 AMASUM 和 Xl-Flipkart 数据集上的效率提升。
- ACL情感极性校准用于观点摘要
通过引入极性校准概念,在传达文本信息的同时平衡波动偏向,我们的极性校准模型(PoCa)能够减轻输出摘要与输入文本之间的极性不匹配,并保持内容语义和语言质量。
- 基于 BERT 的集成方法用于电子商务中客户评论情感分类及其在助推营销中的应用
产品评论是电子商务平台了解产品和服务,建立正面消费者互动和长期关系,以及创新营销的重要资源,通过了解评论中的情感,帮助客户做出购买决策。
- 在跨语言迁移范式中衡量灾难性遗忘:探索调整策略
比较两种基于适配器方法和参数微调的跨语言迁移策略,评估其在少资源语言中的性能和跨语言知识遗忘情况,并发现中间训练策略在目标语言上表现优于跨语言验证策略。
- MM自动评估观点总结中的观点普遍性
面对大量的产品评论,我们提出了一种自动度量标准来测试摘要表达的观点普遍性,基于统计与摘要中每个陈述一致的评论数量,同时贬低琐碎或冗余的陈述。通过使用所得到的观点普遍性度量标准,我们展示了人工撰写的摘要仅比随机选取的源评论摘录稍微具有更好的观 - AaKOS:基于知识的、面向方面的意见摘要
本文提出一种面向产品评论的自适应知识型意见摘要模型,有效地捕捉了意见摘要所需的自适应性质并生成面向方面的摘要,能更好地个性化和信息化地为用户提供有用信息,适应用户的不同兴趣和偏好。
- ACL多模态评论有用性预测中基于列表上下文模型的梯度提升决策树
本研究提出了一种多模态评论有用性预测 (MRHP) 模型,使用 listwise attention 网络和 gradient-boosted 决策树作为评分预测器,可显著提高了模型的泛化性和整个评论列表的排名效率。
- 西班牙语跨领域情感分类
本文通过收集来自 MercadoLibre 网站七个国家的商品评论,建立了一个大型且平衡的数据集,研究了一个基于该数据集训练的情感分类系统在泛化到不同西班牙语领域的能力,结果表明该分类系统的泛化能力有一定可行性,但需要使用预训练和微调技术进 - 评估预训练语言模型在预测在线产品评论的帮助性方面的有效性
本研究利用 RoBERTa 和 XLM-R 语言模型,对在线产品评论的帮助度进行有效预测。研究表明,相较于传统特征工程,使用预训练语言模型能达到更好的预测效果,并且多语言模型在某些情况下表现更佳。但是,多语言模型并不能用于单一语言的微调。同 - 斯里兰卡 YouTube 智能手机拆箱视频评论的情感分析
研究了基于用户体验的产品评论,使用了情感分析工具 VADER 进行分析,对 iPhone 13、Google Pixel 6 和 Samsung Galaxy S21 三款智能手机的用户评论进行了分类,并使用 Naïve Bayes,决策树 - 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 - 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。
- EMNLP多语言产品评论中的反事实检测数据集
本文讨论了如何检测评论中的反事实语句所面临的问题,并通过构建包含英语、德语和日语评论的数据集,使用不同的文本表示方法和分类器来训练反事实检测模型,并发现这些模型对于基于线索短语的句子选择引入的选择偏差具有鲁棒性,同时证明对于该问题,使用机器 - 电子商务问答系统的有意义答案生成
本文研究了电子商务问答系统,并提出了一个基于神经模型的产品答案生成器,该模型综合了产品评价、产品属性和答案原型以产生有意义、多样化的答案。在真实世界的数据集上测试表明,该模型性能优越,能够生成特定和适当的答复。
- EMNLP基于知识的方法对意见挖掘中的对象和属性共指进行分类
本文提出了一种自动挖掘和利用特定领域知识的方法,以协助对消费者对产品的评论进行类别划分和内容关联,通过在无标签的评论数据中提取领域特定的知识,并利用知识感知神经联合分类模型共同完成任务,实证结果表明该方法在涉及五个产品类型的实际数据集中表现 - ACL利用挖掘规则作为弱监督实现神经方面与观点术语提取
通过算法自动挖掘提取规则,应用于标注大量辅助数据,以及研究训练程序,使得神经网络模型在同时学习自动标注和人工精确标注数据的情况下,超越或与现有先进技术相当的表现。
- KDD使用半监督二元多目标张量分解检测评论滥用
本文通过张量分解算法,提出了一种半监督二元多目标张量分解模型,用于检测电子商务网站上的商品评价领域中的虚假评论,并通过实验证明,相比于传统非监督技术,该模型在准确率和召回率上有更好的表现。此外,本文还提出了一种基于随机偏导自然梯度推断的算法 - 评判评判者:针对在线评论生成的神经语言模型的大规模评估研究
本文研究自然语言生成的评估方法,并通过自动化评估和人工评估的比较,发现词汇重叠是自然语言生成的较好评估指标,而人工评估与自动化评估在排名上存在较大差异,因此呼吁重新考虑自然语言生成的评估目标。
- 面向评论的注意力方面建模推荐
本文提出了一种基于注意力机制的基于方面的推荐模型来提高推荐性能并解决了协同过滤方法中面临的问题,例如用户 - 产品之间的稀疏性和用户兴趣动态变化。
- EMNLP面向偏见产品评论分类的双存储网络模型
本文提出了一种双重用户和产品记忆网络 (DUPMN) 模型,旨在有效地学习用户画像和产品信息用于情感分析。经过针对 IMDB,Yelp13 和 Yelp14 三个基准数据集的评估,该模型相对于最先进的综合预测模型,分别给出了 0.6%,1.