基于改进图卷积神经网络的评论有用性识别
Identifying Useful Reviews with Improved Graph Convolutional Neural Network作者机构:桂林电子科技大学商学院桂林541000
出 版 物:《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)
年 卷 期:2022年第6卷第11期
页 面:38-51页
核心收录:
学科分类:08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:国家自然科学基金项目(项目编号:71940008) 教育部人文社会科学研究基金项目(项目编号:17YJCZH074) 桂林电子科技大学研究生教育创新计划资助项目(项目编号:C21YJM00WX06)的研究成果之一。
摘 要:【目的】充分建模评论中的特征观点语义偏差,提升评论有用性识别的性能。【方法】构建一种融合组块分析和特征隶属关系的FFGCN模型进行评论有用性识别。通过组块分析获得特征和观点词块作为图上节点,同时借助多粒度特征词库融入特征词间隶属关系构图,经过图上卷积进行评论二分类。【结果】FFGCN模型在两个数据集上的识别准确率分别为93.4%和93.9%,比基线模型最优结果分别提升0.9和1.0个百分点。【局限】选取手机评论数据进行实验,未将模型拓展到其他产品类型验证其识别性能。【结论】所提模型能够有效对评论文本进行建模,大大提高评论有用性识别的性能。