생성적 연결 네트워크가 리뷰 작성 및 분류를 공동으로 학습하다

추천 시스템의 기본 작업은 사용자가 보지 못한 항목에 어떻게 반응할지를 추정하는 것입니다. 이는 일반적으로 사용자가 제품을 어떻게 평가할지를 모델링하는 방식으로 수행되지만, 여기에서는 사용자가 제품에 대해 어떻게 작성할지를 모델링하기 위해 이러한 접근 방식을 확장하는 것을 목표로 합니다. 이를 위해 개인화된 제품 리뷰를 생성하는 문자 수준 순환 신경망(RNN)을 설계합니다. 이 네트워크는 BeerAdvocate.com의 방대한 리뷰 자료를 사용하여 거의 1000명의 저자의 스타일과 의견을 설득력 있게 학습합니다. 또한 특정 항목, 카테고리 및 별 평점을 설명하는 리뷰로 맞춤화합니다. 간단한 입력 복제 전략을 사용하여 생성적 연결 네트워크(GCN)는 넓은 시퀀스 간격에 걸쳐 정적 보조 입력의 신호를 유지합니다. 추가 교육 없이도 생성 모델은 리뷰를 분류할 수 있으며, 리뷰 작성자, 제품 카테고리 및 감정(평점)을 놀라운 정확도로 식별합니다. 우리의 평가 결과 GCN은 부정의 효과, 철자 오류, 속어 및 방대한 어휘와 같은 텍스트 내 복잡한 역학을 우아하게 포착함을 보여줍니다. 이 목적을 위해 명시적으로 전용된 기계 장치 없이 말이죠.