基于改进图卷积神经网络的评论有用性识别

作     者：李雪梅 蒋建洪 Li Xuemei;Jiang Jianhong

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。 

主　　题：评论有用性 组块分析 特征观点对 图卷积网络 

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。