製品の側面評価予測のための感情整合型トピックモデル

側面ベースの意見マイニングは今日、多くの注目を集めています。本論文では、製品側面評価予測の問題に取り組み、製品の側面を抽出し、評価を同時に予測したいと考えています。トピックモデルは、側面と感情を共同でモデル化するために広く適用されていますが、既存のモデルは感情抽出の弱点により予測タスクをうまく行えない可能性があります。感情トピックは通常、一般的に使用される評価に対する明確な対応関係を持たず、モデルは偏ったデータにより特定の感情を抽出できない場合があります。この問題に対処するために、製品全体の評価分布と単語レベルの感情レキシコンという2種類の外部知識を組み込んだ感情整合型トピックモデル（SATM）を提案します。実際のデータセットに関する実験は、SATMが製品側面評価予測において効果的であり、既存のアプローチと比較してより良い性能を達成することを示しています。